没有训练的python中具有张量流的神经网络

Question

我正在进行一个非常基本的人工生命模拟，神经网络控制着“生物”。我在前几次尝试中制作了自己的版本，但收效甚微。我决定暂时使用TensorFlow（或任何库可以工作）。问题是我想要一种方法来输入权重，并接收输出，而不需要网络尝试训练自己（就像在我可以找到的所有教程和示例中所做的那样。我将最终包含我自己的代码，所以如果有一个简单的解决方案，这将是最好的，虽然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量，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训练的重量之间切换，请使用tf.get_variables('weights', trainable=False);比开关是真还是假。