Tensorflow：我想知道在神经网络模型

Question

水平的变量数，如果是实现使用tensorflow（蟒蛇）模型中的隐藏层的数量可变的一种方式。我这样问是因为我不知道我需要实现多少级别的数据，我必须读取一个文件或一个变量来获取这些信息。
这是我在想什么做的事：

w = tf.Variable(tf.random_normal([h, w])) 
self.__encoder[index] = tf.matmul(label, w) 

所以__encoder的每个级别包含隐藏层，但我不知道，如果它的工作原理，无论是如何实施培训。

Answer 1

之前给你一个理由，我想说的是，tensorflow是静态的计算图表进行考查。所以，这个答案是制作这样的：

1. 从文件读取一定数量
2. 建立与该号码隐藏层
3. 使用此模型的模型，并喂一些其它输出

它仍然不是很清楚，我为什么要读某处隐藏层的数量，其中隐藏（或潜在的）意味着，这些都是不依赖于你的数据的超参数。

无论如何，建立不同数目取决于可变层的是简单地为：

def layer(x, input_size, output_size): 
    w = tf.Variable(tf.truncated_normal(shape=[input_size, output_size])) 
    b = tf.Variable(tf.zeros([output_size])) 
    return tf.sigmoid(tf.matmul(x,w) + b) 

num_layers = ... #read somewhere 
size_layers = ... #output_dimesion for each layer 
h = x 
for i in range(num_layers): 
    h = layer(h, input_size, size_layers[i]) 
    input_size = size_layer[i] 

循环后，h的最后一层的输出。