1.tf.placeholder(tf.float32,[None,N])#為訓練集設置占位符，N為圖像數據的總大小或標簽的總大小 2.tf.reshape(x,[batch,in_height,in_weight,channels])#將訓練數據整理為卷積所需要的大小格式 3.tf.Variable(tf.truncated_normal(shape,stddev = 0.1))#截斷正態分布初始化模型參數 4.tf.nn.relu()#激活函數Relu 5.tf.nn.conv2d(x,Filter,strides = [1,1,1,1],padding = padding)#卷積函數 6.tf.nn.max_pool(x,ksize = [1,2,2,1],strides = [1,2,2,1],padding = padding)#最大池化函數，一般不在batch和channels上進行池化，故設置為1，ksize為池化核的大小，這里表示大小為2x2。 7.tf.reduce_mean(x,axis,keep_dims = False,name = None,reduction_indices = None)#axis = 0,垂直方向約減，axis = 1，水平方向約減。axis = [0,1]或[1,0]，按順序約減。keep_dims,表示是否保留維度信息 8.tf.matmul(x,W)#實現兩個tensor（矩陣）的相乘 9.tf.nn.softmax_cross_entropy_with_logits(labels = y_,logits = y_out)#交叉熵損失函數 10.tf.train.AdamOptimizer(learning_rate).minimize(loss_function)#優化函數，實現反向傳播 11.tf.equal(a,b)#判斷a，b中，對應位置的元素是否一致，并返回一個bool型數組 12.tf.cast(x, dtype, name=None)#強制類型轉換，dtype為目標數據類型

?

總結

以上是生活随笔為你收集整理的利用tensorflow建立简单的神经网络所需要的几条简单语句的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。