为什么Tensorflow中的可训练_变量如此奇怪？
我刚刚开始我的第一个TF项目。 我在MNIST上训练了一个4层的香草NN 然后我想展示学过的重量， 但奇怪的是，我得到了比我预期的多得多的产出 我曾经为什么Tensorflow中的可训练_变量如此奇怪？,tensorflow,neural-network,Tensorflow,Neural Network,我刚刚开始我的第一个TF项目。 我在MNIST上训练了一个4层的香草NN 然后我想展示学过的重量， 但奇怪的是，我得到了比我预期的多得多的产出 我曾经 sess.run(tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES, "my_w1")) 在我之前定义的地方 tf.Variable(tf.random_normal([layer_sizes[i-1], layer_sizes[i]]), name = "my_w1"). 问题是，我期望一
sess.run(tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES, "my_w1"))
tf.Variable(tf.random_normal([layer_sizes[i-1], layer_sizes[i]]), name = "my_w1").
第一个维度是什么意思？这是您的批量大小：每次迭代中使用的图像数。它来自于代码的这一部分：
epoch\u x，epoch\u y=mnist.train.next\u batch（batch\u size）epoch\u x，epoch\u y=mnist.train.下一批（批量大小）