tensorflow之神经网络的搭建(2)

在tensorflow之神经网络的搭建（1）中，简单的介绍了张量，计算图，会话。下面将介绍另外一个很总要的知识点就是参数。

神经网络的参数：是指神经元上的权重w,用变量表示，通常会先随机生成这些参数。生成参数的方法就是tf.Variable.

例：w=tf.Variable(tf.random_normal([2,3],stddev=2,mean=0,seed=1))表示生成正态分布随机数，形状两行三列，标准是2，均值是0，随机种子为1（如果随机种子去掉，每次生成的随机数将不一样）

一、神经网络的搭建：

神经网络的实现过程：

1、准备数据集，提取特征，作为输入喂给神经网络（Neural Network, NN）

2、搭建NN结构，从输入到输出（先搭建计算图，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

其实神经网络的机器学习主要分为两个过程，训练以及使用过程

训练：第一步，第二步，第三步的循环迭代。

使用：第四部，一旦参数优化完成后就可以固定这些参数，实现特定的应用。

二、前向传播

前向传播就是搭建模型的计算过程，让模型具有推理能力，可以针对一组输入给出相应的输出。

一次喂入多组数据：