import tensorflow as tf def add_layer(inputs,in_size,out_size,activation_function=None):#他有四个参数:输入值,输入的大小,输出的大小,激励函数(此处设置为None) Weights=tf.Variable(tf.random_normal([in_size,out_size]))#定义weights,biases;Weights 是一个in_size行,out_size列的随机变量矩阵。 biases=tf.Variable(tf.zeros([1,out_size])+0.1)#机器学习中biases的推荐值不为0,所以我们在0向量的基础上加了0.1 Wx_plus_b=tf.matmul(inputs,Weights)+biases#定义Wx_plus_b,即神经网络未激活的值。其中tf.matmul()是矩阵的乘法 if activation_function is None: outputs=Wx_plus_b #当激励函数为None时,输出就是当前的预测值Wx_plus_b else: outputs=activation_function(Wx_plus_b) #当激励函数不为None时,Wx_plus_b传到activation_function函数中得到输出。 return outputs