利用tensorflow实现神经网络卷积层、池化层、全连接层

原创

于 2018-03-14 18:05:44 发布 · 4.1k 阅读

CC 4.0 BY-SA版权

本文介绍了如何利用TensorFlow实现神经网络的关键组件，包括构建一维卷积层、池化层以及全连接层。通过随机生成的数据，详细演示了从导入库、数据预处理到网络结构搭建、会话初始化和结果输出的全过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

第一步：导入相应的库

import tensorflow as tf
import numpy as np

第二步：准备数据（随机生成一维数据）

data_size=25  
x_data=np.random.normal(size=data_size)
x_input_1d=tf.placeholder(dtype=tf.float32,shape=[x_data])

第三步：搭建一个简单的卷积层，并输出（这里进行扩维是因为原始数据是一维的，我们需要把它扩到四维进行计算）

def conv_1d(input_1d,my_filter):<

200万优质内容无限畅学