TensorFlow前向传播

本文通过一个具体的TensorFlow代码示例介绍了如何使用张量进行矩阵运算,包括特征向量与权重矩阵的乘法及偏置加法等基本操作,并展示了如何在会话中运行这些操作来得到最终结果。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

import tensorflow as tf


#特征向量
x = tf.constant([[0.7, 0.9]])
print(x)

#参数
weight1 = tf.constant([[0.2, 0.1, 0.4],
                      [0.3, -0.5, 0.2]
                      ])
bias1 = tf.constant([[-0.5, 0.1, -0.1]])

t = tf.constant([[0.09, 0.28, 0.36]])

#参数
weight2 = tf.constant([[0.6],
                       [0.1],
                       [-0.2]])
bias2 = tf.constant([0.1])

a = (tf.matmul(x, weight1) + bias1)
y = (tf.matmul(t, weight2) + bias2)

with tf.Session() as sess:
    print(sess.run(a))
    print('y=%g' % sess.run(y))


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