我目前正在通过监督学习使用张量流进行情绪分类项目。
在机器学习理论中，如你所知，总有一个x0是+1。在为输入数据集创建占位符时，该函数是否会自动生成x0部分？或者我应该手动指定它？
由于
答案 0 :(得分：1)
有两种方式可以考虑x0。您的输入有一个额外的维度，其中始终包含1，然后神经网络中的线性回归或完全连接的图层将表示为：
out = W * in
其中*是矩阵向量乘法，或者更常见的是，不添加额外的维度，而是将其建模为
out = W * in + b
这部分是为了突出显示W（我们如何“加权”输入）和b之间的区别，这是我们“转移”它的多少（{{1}被称为“偏见”的词。这种表示更为可取的另一个原因是因为将b规范化，而不是W规则化。
现在，回到你的问题，TensorFlow神经网络库根据权重矩阵和偏向量建模完全连接的层，因此你不需要在输入向量中添加额外的一个。
如果您使用低级Tensor操作而不是高级预定义层，则TensorFlow不会对您的输入做出任何假设，并且如果您希望根据对具有额外{{1的向量的操作来建模您的模型在其中，您有责任将b添加到该向量中，TensorFlow不会为您执行此操作。