TensorFlow 添加一个神经网络层_tensorflow网络添加一层怎么设置-优快云博客

本文通过两个具体实例，详细介绍了如何使用TensorFlow构建神经网络层。首先，展示了一个通用的神经网络层添加方法，包括权重、偏置的初始化，以及激活函数的应用。随后，构建了一个包含输入层、隐藏层和输出层的神经网络模型，具体参数为：输入层784个节点，隐藏层500个节点，输出层10个节点。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

例子一、添加一个神经网络层

详见：https://morvanzhou.github.io/tutorials/machine-learning/tensorflow/3-1-add-layer/

import tensorflow as tf

def add_layer(inputs, input_size, output_size, activation_function = None):
    Weights = tf.Variable(tf.random_normal([input_size, output_size]))
    biases = tf.Variable(tf.zeros([1, output_size]) + 0.1) #biases初始化为0.1的列向量
    Wx_plus_b = tf.matmul(inputs, Weights) + biases
    if activation_function is None:
        outputs = Wx_plus_b
    else:
        outputs = activation_function(Wx_plus_b)
    return outputs

例子二：定义神经网络，神经网络包含输入层，隐藏层，输出层，输入层有784个节点，输出层有10个节点，隐藏层有500个节点

# 输入层
x = tf.placeholder(tf.float32, [None, 784])
y = tf.placeholder(tf.float32, [None, 10])

# ///////////////////隐藏层//////////////////////
w1 = tf.Variable(tf.truncated_normal([784, 500], stddev=0.1))
b1 = tf.Variable(tf.zeros([500]))
L1 = tf.nn.relu(tf.matmul(x, w1) + b1)

w2 = tf.Variable(tf.truncated_normal([500, 300], stddev=0.1))
b2 = tf.Variable(tf.zeros([300]))
L2 = tf.nn.relu(tf.matmul(L1, w2) + b2)
# ///////////////////隐藏层//////////////////////

# 输出层
w3 = tf.Variable(tf.truncated_normal([300, 10], stddev=0.1))
b3 = tf.Variable(tf.zeros([10]))
prediction = tf.nn.softmax(tf.matmul(L2, w3)+b3)