Question

我正在通过给两个占位符存储以下内容来训练autoencoder：

x1 = [x1]

X = [x1,x2,x3...xn]

它认为：

y1 = W*x1 + b_encoding1

因此，我有一个名为b_encoder1的变量（b）（打印时，我得到：<tf.Variable 'b_encoder1:0' shape=(10,) dtype=float32_ref>）

但它也认为：

Y = W*X + b_encoding1

第二个b_encoding1的大小必须为(10,n)的{{1}}的整数。如何增加它并在(10,)中传递它？

tensorflow

整个代码如下：

Y = tf.compat.v1.nn.xw_plus_b(X, W1, b_encoder1, name='Y')

我还声明了损失函数，依此类推，然后进行以下训练：

x1 = tf.compat.v1.placeholder( tf.float32, [None,input_shape], name = 'x1')
X = tf.compat.v1.placeholder( tf.float32, [None,input_shape,sp], name = 'X')

W1 = tf.Variable(tf.initializers.GlorotUniform()(shape=[input_shape,code_length]),name='W1')
b_encoder1 = tf.compat.v1.get_variable(name='b_encoder1',shape=[code_length],initializer=tf.compat.v1.initializers.zeros(), use_resource=False)
K = tf.Variable(tf.initializers.GlorotUniform()(shape=[code_length,code_length]),name='K')
b_decoder1 = tf.compat.v1.get_variable(name='b_decoder1',shape=[input_shape],initializer=tf.compat.v1.initializers.zeros(), use_resource=False)

y1 = tf.compat.v1.nn.xw_plus_b(x1, W1, b_encoder1, name='y1')
Y = tf.compat.v1.nn.xw_plus_b(X, W1, b_encoder1, name='Y')

Answer 1

请尝试：

b_encoding1 = tf.expand_dims(b_encoding1, axis = 1)

Answer 2

您可以将X视为一批x。 X可以接受任意数量的样本：

import tensorflow as tf
import numpy as np

X = tf.placeholder(shape=(None, 100), dtype=tf.float32)
W = tf.get_variable('kernel', [100,10])
b = tf.get_variable('bias',[10])
Y = tf.nn.xw_plus_b(X, W,b, name='Y')

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())  # tf version < 1.13
    out = sess.run(Y, {X: np.random.rand(128, 100)})  # here n=128

请注意，无论n的值为多少，偏差b的尺寸仍为10-D。

tf变量的增量大小

2 个答案: