TensorFlow如何处理任何形状？

Question

我正在尝试实现一个简单的计算图框架，并使用简单的神经网络对其进行测试，主要是通过TensorFlow学习。现在我想清楚TensorFlow如何处理无形状张量。

在this example中，CGColor的形状为UIColor.blue.cgcolor，X的形状为[None, n_input]，weights['h1']的形状为[n_input, n_hidden_1]。当它尝试执行此操作时：biases['b1']，[n_hidden_1]应该具有形状layer_1 = tf.add(tf.matmul(x, weights['h1']), biases['b1'])，以及TensorFlow如何将其添加到tf.matmul(x, weights['h1'])？基于documentation，[None, n_hidden_1]仅在2个操作数具有相同形状时有效。如果我们使用大小为10的批处理运行，则biases['b1']将具有tf.add形状，并且不应与tf.matmul(x, weights['h1'])一起添加。

Answer 1

[None, n_input]的理想含义是：None指的是我们可以给定的Batch_size，而n_input则是指要分析的特征数量。

因此n_input表示784个像素数据。因此，我们将实际尝试做X.W+b的意思是X（[None, 784]）乘以[784, 256]，模型输出[None, 256]，现在增加了偏差，这里+也称为广播+，理想情况下，它会为256个隐藏的单元格增加256个偏差