tensorflow添加神经层

# 添加神经层
# add layer
# 层包括weights,biases,激励函数
import tensorflow as tf

# 添加层,有输入,输入输出大小,激励函数(默认是为None,则是线性函数)
def add_layer(inputs,in_size,out_size,activation_function=None):
    Weights = tf.Variable(tf.random_normal([in_size,out_size])) # 权重 用随机变量会比全部为0好很多 ,这里未变量矩阵
    biases = tf.Variable(tf.zeros([1,out_size]) + 0.1) # biases不是矩阵,是类似列表的东西,在激励学习中,biases推荐不为0
    Wx_plus_b = tf.matmul(inputs,Weights) + biases # 矩阵乘法 这是预测的值,还没被激活
    if activation_function is None:
        outputs = Wx_plus_b # 如果是线性函数则不需要添加激励函数(因为激励函数是非线性方程)
    else:
        outputs = activation_function(Wx_plus_b) # 把Wx_plus_b激活
    return outputs