tensorflow矩阵和向量的加法：broadcasting机制

最新推荐文章于 2025-03-19 17:19:35 发布

lovecencen1893

最新推荐文章于 2025-03-19 17:19:35 发布

阅读量9.6k

点赞数 3

分类专栏： tensorflow

本文链接：https://blog.csdn.net/cluster1893/article/details/80374843

版权

本文探讨了在TensorFlow中如何进行矩阵与向量的加法操作，尤其是广播（broadcasting）机制，使得300*10矩阵与1*10向量能够相加。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

tensorflow矩阵和向量的加法：broadcasting机制

x_data = np.linspace(-1, 1, 300, dtype=np.float32)[:, np.newaxis]
print(x_data.shape)

xs = tf.placeholder(tf.float32, [None, 1])

Weight = tf.Variable(tf.random_normal([1, 10])) 
Weight_shape = tf.shape(Weight)

biases = tf.Variable(tf.zeros([1, 10]) + 0.1)  
biases_shape = tf.shape(biases)

Wx_plus_b = tf.matmul(xs, Weight) + biases
Wx_plus_b_shape = tf.shape(Wx_plus_b)

init = tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    print(sess.run(Weight_shape))
    print(sess.run(biases_shape))
    print(sess.run(Wx_plus_b_shape, feed_dict={xs: x_data}))