我正在学习TensorFlow，我的目标是为我的需求实施MultiPerceptron。我检查了MNIST tutorial with MultiPerceptron implementation，除了这个以外，一切都很清楚：
_, c = sess.run([optimizer, cost], feed_dict={x: batch_x,
y: batch_y})
我想，x是一个图像本身（28 * 28像素，因此输入是784个神经元）而y是一个1x10阵列的标签：
x = tf.placeholder("float", [None, n_input])
y = tf.placeholder("float", [None, n_classes])
他们提供整批（数据点和标签包）！ tensorflow如何解释这个＆＃34;批次＆＃34;输入？它如何更新权重：在批处理中的每个元素之后，或在整个批处理之后同时更新？
而且，如果我需要输入一个数字（input_shape = [1,1]）并输出四个数字（output_shape = [1,4]），我应该如何更改tf.placeholders以及我应该以哪种形式将其输入会话？
当我问，tensorflow如何解释它，我想知道tensorflow如何将批处理分成单个元素。例如，批处理是一个二维数组，对吧？它在哪个方向拆分阵列？或者它使用矩阵运算并且不会拆分任何东西？
当我问，我应该如何提供我的数据，我想知道，它应该是一个二维数组，其行和列的特征是样本，或者，也许，它可能是一个2 -D列表。
当我将我的浮动numpy数组X_train提供给x时，这是：
x = tf.placeholder("float", [1, n_input])
我收到错误：
ValueError: Cannot feed value of shape (1, 18) for Tensor 'Placeholder_10:0', which has shape '(1, 1)'
看来我必须将数据创建为Tensor吗？
当我尝试[18x1]时：
Cannot feed value of shape (18, 1) for Tensor 'Placeholder_12:0', which has shape '(1, 1)'
答案 0 :(得分：0)
他们喂养整个浴室（包括数据点和标签）！
是的，这就是神经网络通常被训练的方式（由于具有两个世界中最好的一些很好的数学特性 - 一方面比SGD更好的梯度近似，并且比完全GD更快的收敛）。
tensorflow如何解释这个＆＃34;批次＆＃34;输入
它＆＃34;解释＆＃34;它根据你的图表中的操作。您可能在图表中的某处降低平均值，计算批次的平均值，从而导致这是＆＃34;解释＆＃34;。
它如何更新权重：1.simultaniusly在批处理中的每个元素之后？ 2.运行后抛出全批？
与上一个答案一样 - 没有什么＆＃34;魔法＆＃34;关于批处理，它只是另一个维度，神经网络的每个内部操作都是为批量数据定义的，因此最终仍然有单个更新。既然你使用reduce mean operation（或者可能减少sum？），你就会根据＆＃34; small＆＃34;的平均值进行更新。渐变（或者如果有减少总和则求和）。再次 - 你可以控制它（直到凝聚行为，除非你将while循环引入图中，否则你不能强制它进行每个样本的更新。）
并且，如果我需要输入一个数字（input_shape = [1,1]）并输出四个nubmers（output_shape = [1,4]），我应该如何更改tf.placeholders以及我应该以哪种形式输入他们进入会议？谢谢！
只需设置变量n_input=1和n_classes=4，然后像以前一样推送数据，如[batch，n_input]和[batch，n_classes]数组（在你的情况下批量= 1，如果by＆＃34; 1x1＆＃34;你的意思是＆＃34;维度1＆＃34;的一个样本，因为你的编辑开始暗示你实际上有一个批次，而1x1你的意思是一个输入）。
编辑：1。当我问，tensorflow如何解释它，我想知道，tensorflow如何将批处理分成单个元素。例如，批处理是一个二维数组，对吧？它在哪个方向上分裂一个数组。或者它使用矩阵运算并且不会分裂任何东西？ 2.当我问，我应该如何提供我的数据，我想知道，它应该是一个二维数组，其行和特征在其列的样本，或者，也许，它可能是一个二维列表。
不分裂任何东西。它只是一个矩阵，每个操作也完美地定义了矩阵。 通常您将示例放在行中，因此在第一维中，这正是[batch，n_inputs]所说的 - 您每行batch行{ {1}}列。但同样 - 它没有什么特别之处，如果你真的需要，你也可以创建一个接受逐列批量的图表。