tensorflow入门（简单神经网络实现）

最新推荐文章于 2025-05-14 10:16:20 发布

NFMSR

最新推荐文章于 2025-05-14 10:16:20 发布

阅读量2.4k

点赞数

CC 4.0 BY-SA版权

分类专栏： tensorflow 文章标签： python tensorflow 神经网络

本文链接：https://blog.youkuaiyun.com/NFMSR/article/details/78236508

这篇博客通过一个简单的神经网络实现，介绍了TensorFlow的基本语法和使用。内容包括输入层（2个节点），隐藏层（3个节点）和输出层（1个节点）的配置。博主分享了用Python实现神经网络的代码，并提供了详细注释，帮助读者理解TensorFlow在神经网络构建中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

tensorflow 详细的介绍可以看极客学院的tensorflow的官网：

http://wiki.jikexueyuan.com/project/tensorflow-zh/get_started/introduction.html

官网上讲解的比较清楚。。。

这里采用一个简单的神经网络的实现，来对tensorflow基本语法进行介绍，同时也想让大家对用tensorflow实现神经网络有个基本的了解。

神经网络模式：

输入层：2个节点，输入两个数据

隐藏层：一层，3个节点

输出层:1个节点

注意：这里的节点均包括了0节点。

python代码实现：（代码中有详细注释，语法的使用从实例中观察）

# coding:utf-8
import tensorflow as tf
from numpy.random import RandomState

#BATCH_SIZE这是定义的一个数量，即一次训练模型，投入的样例数，按理说应该是一次投入所有训练数据的
#但是实际操作中一次投入太多数据，会导致电脑死机，因此只好对投入样例数，进行限制
BATCH_SIZE=8
#生成模拟数据
#randomState 函数中数字1,相当于一个seed种子，每次产生的随机数都是相同的
rdm=RandomState(1)
#产生一个128行×2列的随机矩阵
X=rdm.rand(128,2)
#产生一个布尔型结果矩阵128×1
Y=[[int(x0+x1)<1] for(x0,x1)in X]

#定义神经网络的常量，参数，输入节点，输出节点，以及前向传播过程
#Variable定义一个变量，需要调用初始化，才能产生值
#random_normal 产生一个正太随机矩阵，shape=[2,3],stddev是正太分布的标准差，seed随机数种子，设置后每次产生的数字都相同
w1=tf.Variable(tf.random_normal([2,3],stddev=1,seed=1))
w2=tf.Variable(tf.r