第一个tensorflow小程序——异或门实现

使用TensorFlow实现异或门
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]))}
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值