MOOC上的tensorflow课程笔记
import tensorflow as tf
"""
a = tf.constant([1.0,2.0]) #一行两列的张量
b = tf.constant([3.0,4.0]) #一行两列的张量
result = a + b
print(result) #打印计算图
结果为：Tensor("add:0", shape=(2,), dtype=float32)
add操作，第0个开始计算（？），一维的张量，有两个值，类型都是float32
"""
"""
#计算图：搭建神经网络的计算过程，只搭建，不计算
#现在要搭建y=XW = x1*w1 + x2*w2 的计算图
x = tf.constant([[1.0,2.0]]) #一行两列的张量
w = tf.constant([[3.0],[4.0]]) #两行一列的张量
y = tf.matmul(x,w) #张量相乘
print(y)
#计算结果：Tensor("MatMul:0", shape=(1, 1), dtype=float32)
with tf.Session() as sess:
print(sess.run(y))
#计算结果：[[11.]]
"""
"""
生成变量
w = tf.Variable(tf.random_normal([2,3],stddev=2,mean=0,seed=1))
[2,3] 产生2*3的矩阵 stddev标准差 mean均值 seed随机种子
tf.random_normal 正态分布
tf.random_uniform 平均分布
生成常量
tf.zeros 全零数组
tf.ones 全1数组
tf.fill 全定值数组
tf.constant 直接给值
"""
"""
神经网络实现过程：
1.准备数据集，提取特征，作为输入喂给神经网络
2.搭建NN结构，从输入到输出（先搭计算图，再用会话执行）
NN前向传播算法-》计算输出
3.大量特征数据喂给NN，迭代优化NN参数
NN反向传播算法-》优化参数训练模型
4.使用训练好的模型预测和分类
"""
"""
使用tf.placeholder占位符喂数据
喂一组数据
x = tf.placeholder(tf.float32,shape=[1,2]) #一行两列
sess.run(y,feed_dict={x:[[0.5,0.6]]})
喂多组数据
x = tf.placeholder(tf.float32,shape=[None,2])
sess,run(y,feed_dict={x:[0.1,0.2],[0.2,0.3],[0.3,0.4],[0.4,0.5]})
"""简单的神经网络搭建
#coding:utf-8
#两层神经网络（全连接）
import tensorflow as tf
#定义输入和参数
#x = tf.constant([[0.7,0.5]]) #定义一行两列的张量
#用placeholder实现输入定义（sess.run中喂一组数据）
x = tf.placeholder(tf.float32,shape=[None,2]) #这样表示多行2列
w1 = tf.Variable(tf.random_normal([2,3], stddev=1, seed=1)) #正态分布
w2 = tf.Variable(tf.random_normal([3,1], stddev=1, seed=1)) #三行一列
"""
w1= [[-0.8113182 1.4845988 0.06532937]
[-2.4427042 0.0992484 0.5912243 ]]
w2= [[-0.8113182 ]
[ 1.4845988 ]
[ 0.06532937]]
w1就是输入到隐藏层的三个过程的权重
w2就是隐藏层到输出层的三个过程的权重
"""
"""
x11 -- w1 a1 w2
w1 a2 w2 -- y
x12 -- w1 a3 w2
"""
#定义前向传播过程
a = tf.matmul(x, w1) #x乘以w1
y = tf.matmul(a, w2)
"""
a= [[-1.7892749 1.0888433 0.34134272]]
y= [[3.0904665]]
a11 = w1 11*x11 + w2 21*x12
a12 = w1 12*x11 + w2 22*x12
a13 = w1 13*x11 + w2 23*x13
"""
#用会话计算结果
with tf.Session() as sess:
init_op = tf.global_variables_initializer()
sess.run(init_op)
#print("y in this file is:\n",sess.run(y))
"""
print("w1=",sess.run(w1))
print("w2=",sess.run(w2))
print("a=",sess.run(a))
print("y=",sess.run(y))
"""
print("y=",sess.run(y,feed_dict={x:[[0.7,0.5],[0.3,0.2],[0.8,0.9]]}))
"""
输出结果：
y= [[3.0904665]
[1.2935174]
[4.2442317]]
"""