如何偏见添加到神经网络层

Question

我有两个tf.Variable：

data_entries_times_weights1 
biases1 

他们有形状：

(10000, 1024) 
(1024,) 

然而，当我乘他们是这样的：

lay1_valid = tf.nn.relu(data_entries_times_weights1 + biases1) 

我收到：

ValueError: Tensor("Variable:0", shape=(784, 1024), dtype=float32_ref) must be from the same graph as Tensor("Const:0", shape=(10000, 784), dtype=float32). 

从我在Github上看到的，人们都以类似的方式添加偏见，如：data_entries_times_weights1 + biases1。

这种方法是否正确？

Answer 1

问题

我收到以下错误消息

ValueError: Tensor("Variable:0", shape=(784, 1024), dtype=float32_ref) must be from the same graph as Tensor("Const:0", shape=(10000, 784), dtype=float32). 

，我试图做类似

lay1_valid = tf.nn.relu(data_entries_times_weights1 + biases) 

其中：

• 输入为常量（10000,784）
个
• 权重是可变的（784，1024）
• 偏压是变量（1024，）
• data_entries_times_weights1 =输入*加权

解

最有可能的data_entries_times_weights1等于输入。仔细检查data_entries_times_weights1是否为

data_entries_times_weights1 = tf.matmul(input , weights)