我正在新研究tensorflow，下面的代码来自一个类示例：
hiddenBiasUpdate = self.hiddenBias.assign_add(self.learningRate * tf.reduce_mean(hProb0 - hProb1, 0))
此代码的解释是“第93行更新了隐藏的偏差项，试图最小化原始数据和重构数据的隐藏节点输出之间的误差。”
我真的不明白代码如何实现所描述的功能。
以下是hProb0和hProb1的定义方式，我将它们理解为对隐藏层的预测。
hProb0 = tf.nn.sigmoid(tf.matmul(self.X, self.weights) + self.hiddenBias)
hProb1 = tf.nn.sigmoid(tf.matmul(vProb, self.weights) + self.hiddenBias)