第一个tensorflow小程序——异或门实现

使用TensorFlow实现异或门

最新推荐文章于 2025-01-14 08:57:20 发布

原创

最新推荐文章于 2025-01-14 08:57:20 发布 · 4.2k 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #异或门 #神经网络

这篇博客通过代码展示了如何利用TensorFlow构建一个神经网络来实现异或门功能。作者指出，多维矩阵与一维矩阵相加不会产生维度错误，并强调在TensorFlow中，变量的类型与是否在Session内无关，fetch的变量必须是tensor或string，而feed的数据类型可以是Python标量、字符串、列表、numpy数组等。代码实现部分受到了其他博主的启发。

代码：

#author@chengxiaona
import tensorflow as tf
import numpy as np

#输入训练数据，这里是python的list, 也可以定义为numpy的ndarray
x_data = [[1., 0.], [0., 1.], [0., 0.], [1., 1.]] 
#定义占位符，占位符在运行图的时候必须feed数据
x = tf.placeholder(tf.float32, shape = [None, 2])
#训练数据的标签，注意维度
y_data = [[1], [1], [0], [0]]
y = tf.placeholder(tf.float32, shape = [None, 1])
#定义variables，在运行图的过程中会被按照优化目标改变和保存
weights = {
  
  'w1': tf.Variable(tf.random_normal([2, 16])), 'w2': tf.Variable(tf.random_normal([16, 1]))}
bias = {
  
  'b1': tf.Variable(tf.zeros([1])), 'b2': tf.Variable(tf.zeros([1]))}