python tensorFlow AND和XOR

在tensorflow中实现的and和xor函数的例子

#!/usr/bin/env python

import tensorflow as tf
import math
import numpy as np

INPUT_COUNT = 2
OUTPUT_COUNT = 2
HIDDEN_COUNT = 2
LEARNING_RATE = 0.1
MAX_STEPS = 5000

# For every training loop we are going to provide the same input and expected output data
INPUT_TRAIN = np.array（[[0 0] [0 1] [1 0] [1 1]]）
OUTPUT_TRAIN = np.array（[[1 0] [0 1] [0 1] [1 0]]）

# Nodes are created in Tensorflow using placeholders. Placeholders are values that we will input when we ask Tensorflow to run a computation.
# Create inputs x consisting of a 2d tensor of floating point numbers
inputs_placeholder = tf.placeholder（“float“
shape=[None INPUT_COUNT]）
labels_placeholder = tf.placeholder（“float“
shape=[None OUTPUT_COUNT]）

# We need to create a python dictionary object with placeholders as keys and feed tensors as values
feed_dict = {
inputs_placeholder: INPUT_TRAIN
labels_placeholder: OUTPUT_TRAIN
}

# Define weights and biases from input layer to hidden l