莫烦python（tensorflow）总结——神经网络搭建（简易版）_python tensorflow1.1.0 神经网络 accuacy-优快云博客

本文链接：https://blog.youkuaiyun.com/qq_31881883/article/details/88040045

本文是关于莫烦Python中TensorFlow教程的总结，重点介绍了如何使用TensorFlow搭建一个简单的神经网络。从基本概念到实战步骤，涵盖了神经网络的构建过程，包括权重初始化、激活函数、损失函数及优化器的选择。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import tensorflow as tf 
import numpy as np
import matplotlib.pyplot as plt

def add_layer(inputs,in_size,out_size,activation_function=None):  #定义一个层概念，用于在网络中添加层时引用  （输入，输入单元数量，输出单元数量，激活函数（无代表线性））
	Weights = tf.Variable(tf.random_normal([in_size,out_size]))   #定义一个变量——Weights，生成一个大小为[in_size,out_size]的权重矩阵
	biases = tf.Variable(tf.zeros([1,out_size])+0.1)			  #定义一个变量——biases，生成一个大小为[1,out_size]的偏差矩阵，元素值都为0.1
	Wx_plus_b=tf.matmul(inputs,Weights)+biases					  #定义线性公式，Wx_plus_b= ax+b, 激活函数作用在这个值上，实现非线性变换
	if activation_function is None:
		outputs = Wx_plus_b
	else:
		outputs = activation_function(Wx_plus_b)
	return outputs												  # 层定义结束

	
##数据集整理部分	
x_data = np.linspace(-1,1,300)[:,np.newaxis]					  #在-1和1之间，生成300个等间隔的数字，x_data的形式由[:,np.newaxis]来控制：[1,300],即1行300列。
noise = np.random.normal(0,0.05,x_data.shape)					  #随机产生一个概率分布均值为0，标准差为0.05的噪声数据，数据的尺寸大小和x_data一致（因为要加在x_data上）
y_data = np.square(x_data)-0.5+noise							  #目标函数y_data：(x_data）^2-0.5 + noise

  # placeholde