0
前两个结果显示的尺寸或级别有何区别?为什么我能够添加这两个(矩阵/向量)?这可能听起来像一个天真的问题,但我很难理解张量/矩阵之间如何加法。谢谢。 (我也想知道为什么我可以添加的最后两个结果他们不是两个不同尺寸的矩阵。?)这两个张量之间有什么区别,为什么?
import tensorflow as tf
import numpy as np
W = tf.Variable(tf.zeros([784, 10]))
x = tf.Variable(tf.zeros([2,784]))
z = tf.matmul(x,W)
Y = tf.Variable([4.0, 5.0, 6.0, 7.0, 8.0, 9.0, 10.0, 11.0, 12.0, 14.0])
x = tf.Variable(tf.zeros([2,10]))
model = tf.initialize_all_variables()
with tf.Session() as session:
session.run(model)
print(session.run(z))
print(session.run(Y))
print(session.run(x))
结果:
[[ 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]]
[ 4. 5. 6. 7. 8. 9. 10. 11. 12. 14.]
[[ 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
[ 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]]
谢谢你让我知道广播从一个张量到另一个。这正是我想了解的。我对前两项结果之间的区别是什么意思提出了一个精确的问题。 –