Tensorflow 例子3 ： 添加层 def add_layer()

blairchen

data-science

Publish：Sep 9, 2018

views

在 Tensorflow 里定义一个 添加层的函数， 可以很容易的 添加神经层, 为之后的添加省下不少时间.

定义 add_layer()

神经层里常见的参数通常有 weights、biases 和激励函数。

首先，我们需要导入 tensorflow 模块。

1

import tensorflow as tf

然后定义添加神经层的函数 def add_layer(), 它有四个参数：输入值、输入的大小、输出的大小和激励函数，我们设定默认的激励函数是 None。

1

def add_layer(inputs, in_size, out_size, activation_function=None):    

接下来，我们开始定义 weights 和 biases。

因为在生成初始参数时，随机变量(normal distribution)会比全部为0要好很多，所以我们这里的 weights 为一个 in_size 行, out_size 列的随机变量矩阵。

1

Weights = tf.Variable(tf.random_normal([in_size, out_size]))

在机器学习中，biases 的推荐值不为0，所以我们这里是在0向量的基础上又加了0.1。

1

biases = tf.Variable(tf.zeros([1, out_size]) + 0.1)

下面，我们定义 Wx_plus_b, 即神经网络未激活的值。其中，tf.matmul() 是矩阵的乘法。

1

Wx_plus_b = tf.matmul(inputs, Weights) + biases

当 activation_function 为 None 时，输出就是当前的预测值 Wx_plus_b，不为 None 时，就把 Wx_plus_b 传到 activation_function() 函数中得到输出。

1
2
3
4

if activation_function is None:
    outputs = Wx_plus_b
else:
    outputs = activation_function(Wx_plus_b)

最后，返回输出，添加一个神经层的函数 def add_layer() 就定义好了。

1

return outputs

Reference

• tensorflow.org
• 莫烦Python
• Tensorflow 提供的一些 激励函数

updated on：May 2, 2022

tensorflow