基于Tensorflow的神经网络NN ： 用张量表示数据，用计算图搭建神经网络，用会话执行计算图，优化线上的权重（参数），得到模型。

基本概念

• 张量：张量就是多维数组（列表），用“阶”表示张量的维度，判断张量是几阶的，就通过张量右边的方括号数。
• 数据类型：float32 、int32
• 计算图（Graph）： 搭建神经网络的计算过程，是承载一个或多个计算节点的一张图，只搭建网络，不运算。

x1、x2 表示输入，w1、w2 分别是 x1 到 y，x2 到 y 的权重，y=x1w1+x2w2。

• 会话（ Session ）： 执行计算图中的节点运算

#coding:utf-8
import tensorflow as tf         #引入TensorFlow，简写为tf
x = tf.constant([[1.0, 2.0]])     # 如上图，1行2列数据
w = tf.constant([[3.0], [4.0]]) # 如上图，2行1列数据
y = tf.matmul(x, w)                # xw矩阵乘法
print y                            # 打印结果
with tf.Session() as sess:
print sess.run(y)                # 执行会话并打印出执行后的结果

y：Tensor(“matmul:0”,shape(1,1),dtype=float32)，sess.run(y)：[[11.]]
解析：张量名称：matmul:0 数组长度：1行1列 数据类型：浮点型

矩阵乘法：x*w 须满足 x的列=w的行；y行=x行，y列=w列；对应行列相乘

Linux配置

• Vim

vim ~/.vimrc 写入：

set ts=4 表示使 Tab 键等效为 4 个空格
set nu 表示使 vim 显示行号 nu 是 number 缩写

• 提示warning屏蔽

进入主目录下的 bashrc 文件，在bashrc 文件中加入这样一句
export TF_CPP_MIN_LOG_LEVEL=2

“0”（显示所有信息）或者”1”（不显示 info），”2”代表不显示 warning，”3”代表不显示 error。

神经网络参数

• 神经网络的参数： 是指神经元线上的权重w，用变量表示，一般会先随机生成这些参数 。
• 生成参数的方法是 让w等于tf.Variable ，把生成的方式写在括号里。

• 神经网络中常用的生成随机数/数组的函数

  • tf.random_normal() 生成正态分布随机数
  • tf.truncated_normal() 生成去掉过大偏离点的正态分布随机数
  • tf.random_uniform() 生成均匀分布随机数
  • tf.zeros 表示生成全 0 数组
  • tf.ones 表示生成全 1 数组
  • tf.fill 表示生成全定值数组
  • tf.constant 表示生成直接给定值的数组

    #coding:utf-8
    import tensorflow as tf
    w=tf.Variable(tf.random_normal([2,3],stddev=2, mean=0, seed=1))
    # 生成正态分布随机数，2行3列，标准差=2，均值=0，随机种子=1
    # truncated_normal也类似，如果随机出来的数据偏离平均值超过两个标准差，这个数据将重新生成
    w=random_uniform(shape=7,minval=0,maxval=1,dtype=tf.int32,seed=1)
    # 均匀分布[minval,maxval)随机采样,左闭右开
    tf.zeros([3,2],int32) # 生成3行2列全 0 ，ones类似
    tf.fill([3,2],6) # 生成3行2列全 6

• 随机种子如果去掉每次生成的随机数将不一致。

• 如果没有特殊要求标准差、均值、随机种子是可以不写的。