我正在设计回归网络，以预测一个人体重从10到100公斤。我的数据集有50个训练数据
['World', '282,911,404', '67,284,637']
['Equatorial Guinea', '146,027,530', '40,493,766']
['Trinidad and Tobago', '136,883,464', '26,790,695']
['Japan', '410', '176']
因此，我的数据集大小为Vector 1: 1024x1 corresponding to 40kg
Vector 2: 1024x1 corresponding to 20kg
Vector 3: 1024x1 corresponding to 40kg
...
Vector 50: 1024x1 corresponding to 30kg
，标签大小为1024x50。如果我设计一个简单的线性回归，例如1x50，那么y=xW+b和W的大小将是
b我是对的吗？
这是我的张量流代码，但它提供了错误的预测
W is 1024x1
b is 1x50
答案 0 :(得分：1)
W是1024x1 b是1x50
我是对的吗？
不，W的形状是正确的，但b应该是标量（1x1矩阵）。在您的方法中，每个数据点都有一个可训练的偏差，这是没有意义的。但是，在您的代码中，它已正确设置为大小为1。
处理矩阵乘法有什么问题，你的模型应该是：
pred = tf.matmul(X, W) + b # you will have to transpose your train_X
tf.multiply是逐点乘法，而不是矩阵乘法。