Python 用作线性缩放的Tensorflow权重
我有一个带有输出神经元的神经网络,我想在软最大化之前,用训练好的权重线性缩放 我有10个输出,我想要10个权重,在输出软最大化之前乘以每个输出。因此,每输出1个重量 但是我不断得到错误Python 用作线性缩放的Tensorflow权重,python,machine-learning,tensorflow,neural-network,Python,Machine Learning,Tensorflow,Neural Network,我有一个带有输出神经元的神经网络,我想在软最大化之前,用训练好的权重线性缩放 我有10个输出,我想要10个权重,在输出软最大化之前乘以每个输出。因此,每输出1个重量 但是我不断得到错误形状必须是秩2,但是对于'MatMul_2来说是秩1,它告诉我我的形状是[?,10],[10] 在我的代码被删除之前 x = tf.placeholder(tf.float32, [None, 784]) W = tf.Variable(tf.zeros([784, 10])) b = tf.Variable(tf
形状必须是秩2,但是对于'MatMul_2
来说是秩1,它告诉我我的形状是[?,10],[10]
在我的代码被删除之前
x = tf.placeholder(tf.float32, [None, 784])
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
y = tf.nn.softmax(tf.matmul(x, W) + b)
现在是这个
x_ = tf.placeholder(tf.float32, [None, 784])
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
W_pre_final = tf.Variable(tf.ones([10]))
y_pre_final = tf.matmul(x_, W) + b
y = tf.nn.softmax(tf.matmul(y_pre_final, W_pre_final))
y_ = tf.placeholder(tf.float32, [None, 10])
我想你是在寻找元素乘法,而不是矩阵乘法
tf.multiply(y_pre_final, tf.expand_dims(W_pre_final,0))