开始使用免费开始使用

TensorFlow 中的初始化

良好的初始化可以减少找到全局最小值所需的时间。在本练习中，您将为一个用于预测信用卡是否违约的神经网络初始化权重和偏置。为帮助建立直觉，我们将使用低层次的线性代数方法，而不是使用便捷函数和高级 keras 操作。我们还会把输入特征从 3 个扩展到 23 个。已从 tensorflow 导入了若干操作：Variable()、random() 和 ones()。

本练习是课程的一部分

Python 中的 TensorFlow 入门

查看课程

练习说明

  • 将第 1 层权重 w1 初始化为形状为 [23, 7] 的 Variable()，并从正态分布中抽样。
  • 使用全 1 初始化第 1 层的偏置。
  • 使用正态分布的抽样将 w2 初始化为形状为 [7, 1] 的 Variable()。
  • 将 b2 定义为 Variable()，并将其初始值设为 0.0。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Define the layer 1 weights
w1 = ____(random.normal([____, ____]))

# Initialize the layer 1 bias
b1 = Variable(____([7]))

# Define the layer 2 weights
w2 = ____

# Define the layer 2 bias
b2 = ____
编辑并运行代码