如何在这两个类似的TensorFlow脚本中确定输出？

Question

以下是来自https://www.tensorflow.org/programmers_guide/low_level_intro#training的两个TensorFlow脚本。我对此非常陌生并试图拼凑出一个解释/理解;我在脚本下面列出了三个问题。

x = tf.placeholder(tf.float32, shape=[None, 3])
linear_model = tf.layers.Dense(units=1)
y = linear_model(x)

init = tf.global_variables_initializer()
sess.run(init)

print(sess.run(y, {x: [[1, 2, 3], [4, 5, 6]]}))

• 我注意到输出包含一个包含两个单独数组的数组，每个数组包含一个值
• 第一个值始终介于0 - 6.9999999
之间
• 第二个数组中的第二个值介于0 - 15.9999999
之间

x = tf.constant([[1], [2], [3], [4]], dtype=tf.float32)

y_true = tf.constant([[0], [-1], [-2], [-3]], dtype=tf.float32)

linear_model = tf.layers.Dense(units=1)

y_pred = linear_model(x)

sess = tf.Session()
init = tf.global_variables_initializer()
sess.run(init)

print(sess.run(y_pred))

• 我注意到输出包含一个包含四个单独数组的数组，每个数组包含一个值
• 第一个值始终介于0 - 1.9999999
之间
• 第二个数组中的第二个值介于0 - 3.9999999
之间
• 第三个数组中的第三个值介于0 - 5.9999999
之间
• 第四个数组中的第四个值介于0 - 6.9999999
之间

我的问题是：

1. 什么决定了这两个阵列的测距输出？
2. 为什么两者的输出都是正数还是全部为负数？
3. 为什么两者的输出都按数字顺序各自有各个值？

Answer 1

tf.layers.Dense计算输入的线性组合，并对结果应用激活函数。

由于你将单位定义为1而没有指定激活函数，你得到的是第一个例子中的ax + by + cz + d和第二个例子中的ax + b。实际上，这是一个包含性能行的列矩阵。

通常学习乘法器（我提供的示例中的a，b，c，d）。您的代码不会训练它们。要正确学习，他们需要从一些合理的价值观开始（例如0不利于学习）。您可以指定自己的初始化程序。在这种情况下，您使用默认值（根据docs glorot_uniform_initializer）。

您可以使用tf.trainable_variables()获取所有变量（包括tf.layers.Dense定义的变量并对其进行评估（使用sess.run）以查看其值。

关于您的问题：

1. 是什么决定了这两个（模型？）的测距输出 它是您在x中输入的输入与默认初始化程序中输出的随机值之间的点积。

2. 为什么两者的输出都是正数还是全部为负数？ 随机的机会。打印变量，运行初始化程序几次，看看它们是如何变化的。

3. 为什么两者的输出都按数字顺序分别列出各个值？ 由于您要么接受正权重，要么默认初始化程序更喜欢正权重，较高值的线性组合将获得更高的结果。在你的第二个例子中，它应该是相当明显的，因为你在ax + b和a> 0中替换1,2,3,4。