tf.zeros()函数
创建一个所有元素都设置为零的张量.
tf.zeros([3, 4], tf.int32) # [[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]]
函数参数:
- shape:整数、整数元组或类型为int32的1维Tensor的列表.
- dtype:结果Tensor中元素的类型.
- name:操作的名称(可选).
函数返回值:
tf.zeros函数返回将所有元素设置为零的张量
import tensorflow as tf def add_layer(inputs,in_size,out_size,activation_function=None): #inputs是输入的值,in_size输入值的大小,out_size输出值的大小 #activation_function=None 表示是一个线性函数 Weights = tf.Variable(tf.random_normal([in_size,out_size])) #tf.random_normal生成随机变量,矩阵 #如果表示的是一个矩阵的话,则一定一定大写 biases = tf.Variable(tf.zeros([1,out_size])+0.1) #类似列表的东西 [1,out_size]表示有一行和有out_size这么多列 因为初始值 不能为0,所以加上0.1 Wx_plus_b = tf.matmul(inputs,Weights) + biases #预测的值,没有被激活的值还是存储在Wx_plus_b上面 if activation_function is None: outputs = Wx_plus_b #如果activation_function is None,激活函数是线性关系,那就直接输出Wx_plus_b else: outputs = activation_function(Wx_plus_b) #不为None的时候,将Wx_plus_b的值传入 激活函数jiu'xing return outputs
标签:size,function,函数,创建,plus,tf,Wx,out
From: https://www.cnblogs.com/bokeyuanjj/p/16825695.html