TensorFlow中的类型转换错误

Question

假设我正在一些看起来像这样的训练数据上实现线性层  

以下代码

import tensorflow as tf
import numpy as np

weights = tf.Variable(np.random.uniform(0.0, 1.0, 3))
bias = tf.Variable(0.0)
trainingData = np.array(np.arange(15).astype(float).reshape(3,5))
output = tf.expand_dims(weights, 0) @ trainingData + bias

产生

这可以通过改为最后一行来解决

tf.cast(tf.expand_dims(weights, 0) @ trainingData, tf.float32) + bias

好的，所以它不喜欢在float32_ref上添加float64,，但是在float32_ref上添加float32.是可以的，但是我一定做错了，因为我所做的事情非常简单，并且会引发错误。 （我是TensorFlow的新手。）我理解为什么它不喜欢我写的东西，但是我犯了什么基本错误导致了这个问题？

我正在寻找这样的答案：“哦，永远不要使用0.0这样的浮点数来初始化偏差，因为...”“那将更普遍地导致类型转换错误。”

Answer 1

1. 哦，除非您有充分的理由，否则永远不要使用tf.Variable。您应该改用tf.get_variable来避免issues。

2. 哦，除非您有充分的理由，否则永远不要使用float64作为数据类型。 NumPy使用float64作为默认值，因此您应该编写类似

   的内容

   W = tf.get_variable("w", initializer=np.random.randn().astype(np.float32))