Tensorflow维度理解

Question

我对理解张量流中的线性回归过程有疑问。 以下是我的代码段：

def linearmodel(X,w,b):
    output = tf.matmul(X,w)+b
    return output

x = tf.placeholder(tf.float32,[None,4])
y_ = tf.placeholder(tf.float32,[None,3])
w = tf.Variable(tf.random_normal([4,3],mean=0.0,stddev=0.05))
b= tf.Variable(tf.zeros([3]))
y_pred = linearmodel(x,w,b)

在上面的代码中，我在训练时间传递120个4列元素，因此在这种情况下，当我尝试乘以 tf.matmul（x，w）时，我将得到一个大小为nx3的矩阵。现在，我在将其与形状为1x3的b相加时会发生矩阵相加的情况，因为它没有遵循矩阵相加规则，即只能添加相同大小的矩阵。

抱歉，这听起来很傻，但是如果有人可以帮助，我将非常感激。