import tensorflow as tf
#在 tensorflow 中需要定義 placeholder 的 type ，一般為 float32 形式
input1 = tf.placeholder(tf.float32)
input2 = tf.placeholder(tf.float32)
# mul = multiply 是將input1和input2 做乘法運算，並輸出為 output
ouput = tf.multiply(input1, input2)
with tf.session() as sess:
print(sess.run(ouput, feed_dict=)) #字典的型別
# [ 14.]
tensorflow 如果想要從外部傳入data, 那就需要用到 tf.placeholder(), 然後以這種形式傳輸資料 sess.run(*, feed_dict=).
接下來, 傳值的工作交給了 sess.run() , 需要傳入的值放在了feed_dict={} 並一一對應每乙個 input. placeholder 與 feed_dict={} 是繫結在一起出現的。
機器學習筆記 5 神經網路
本章節闡述了神經網路的基本概念 5.1 神經元模型 mp神經元模型，啟用函式 5.2 感知機與多層網路 單層網路，多層網路 包含隱層 5.3 誤差逆傳播演算法 bp 這一部分講的是如何使用bp演算法來調整引數 閾值，權值 5.4 全域性最小與區域性最小 當可能面對多個區域性最小時，使用模擬退火，多初...
神經網路學習之 Hopfield神經網路
1982年，美國加州理工學院的優秀物理學家hopfield提出了hopfield神經網路。hopfield神經網路引用了物理力學的分析方法，把網路作為一種動態系統並研究這種網路動態系統的穩定性。dhnn 離散型hopfield神經網路 這是一種單層全反饋網路，共有n個神經元。其特點是任一神經元的輸出...
神經網路學習
深度學習入門部落格 cnn 卷積神經網路 rnn 迴圈神經網路 dnn 深度神經網路 概念區分理解 deep learning 的概念源於人工神經網路的研究。含多隱層的多層感知器就是一種深度學習結構。深度學習通過組合低層特徵形成更加抽象的高層表示屬性類別或特徵，以發現資料的分布式特徵表示。深度學習是...