python - 未经训练的python中具有张量流的神经网络

Question

我正在使用控制“生物”的神经网络进行非常基本的人工生命模拟。我为我的前几次尝试制作了自己的版本，但成功有限。我决定暂时使用 TensorFlow（或者任何库都可以工作）。问题是我想要一种输入输入权重并接收输出的方法，而不需要网络尝试训练自己（就像我能找到的所有教程和示例中所做的那样。我将在最后包含我自己的代码，所以如果有一个简单的解决方案，那将是最好的，尽管库将使早期测试更容易。

def nn(n, s1, s2):
    hidden_layer = []
    out = []
    tot = 0
    for p in range(mid_num):
        tot = 0
        for u in range(len(n)):
            tot += s1[u * mid_num + p] * n[u]
        hidden_layer.append(tot)
        tot = 0
    for p in range(output_num):
        for u in range(len(hidden_layer)):
            tot += s2[u * output_num + p] * hidden_layer[u]
        out.append(round(sigmoid(tot / 53000)))
        # print(tot)
        tot = 0
    # print(out)
    return out

Answer 1

如果您希望权重仅仅是常数，那么它们只是矩阵乘法，您可以使用tf.constant. 如果您想在可训练和不可训练权重之间切换，请使用tf.get_variables('weights', trainable=False); 比切换 True 或 False。