1
我需要澄清一下Tensorflow如何处理张量的形状。这是从MNIST example采取:关于Tensorflow张量形状和matmul的澄清
我定义将在以后的点与我的一些训练数据馈送的占位符:
x = tf.placeholder(tf.float32, shape=[None, 784])
运行期间我给它在100批次,所以它在运行时的形状是(100, 784)
。我还定义重量和偏见:
W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))
W
是形状(784, 10)
的和b
是形状(10)
的。现在我计算
y = tf.matmul(x,W) + b
而这就是我卡住的地方。在运行期间,x
和W
的矩阵产品的形状为(None, 10)
或(100, 10)
。但是,我可以没有错误添加向量b
它。这让我困惑。这如何工作?有没有更好的文件呢?