为什么Tensorflow会输出这些简单的结果？

我是Tensorflow的新手，但我想弄清楚为什么这些结果会以

..001

，

..002

等结尾

我在这里遵循教程：

代码：

"""This is a Tensorflow learning script."""
import tensorflow as tf

sess = tf.Session()

W = tf.Variable([.3], dtype=tf.float32)
b = tf.Variable([-.3], dtype=tf.float32)
x = tf.placeholder(tf.float32)
linear_model = W*x + b

sess.run(tf.global_variables_initializer()) #This is the same as the above 2 lines

print(sess.run(linear_model, {x: [1, 2, 3, 4]}))

它看起来像一个简单的数学函数，如果我使用2作为输入，它将是

（0.3*2）+-0.3=0.3

输出：

"""This is a Tensorflow learning script."""
import tensorflow as tf

sess = tf.Session()

W = tf.Variable([.3], dtype=tf.float32)
b = tf.Variable([-.3], dtype=tf.float32)
x = tf.placeholder(tf.float32)
linear_model = W*x + b

sess.run(tf.global_variables_initializer()) #This is the same as the above 2 lines

print(sess.run(linear_model, {x: [1, 2, 3, 4]}))

[0.0.30000001 0.600000002 0.90000004]

我希望：

[0.0.30.6 0.9]

---

这可能是一个浮点错误，因为您将变量作为tf.float32数据类型引入。您可以使用tf.round（），但它似乎还没有舍入到最接近的小数点的功能。为此，请查看中的响应：。

问题是a（如tf.float32）无法准确地存储

0.3

，因为它是二进制存储的。这就像试图准确地存储十进制的

1/3

，它将是

0.33…

，但你必须无限远才能得到准确的数字（这在我们的凡人领域是不可能的！）

有关此主题的更深入的回顾，请参阅

---

Tensorflow还没有办法处理十进制数（据我所知）！但是，一旦这些数字返回python，您就可以进行取整，然后转换为a。

我添加了函数，并添加了一行

linear\u model=my\u tf\u round（linear\u model，1）

，它影响了结果，但现在它们是

[0.0.3000001 0.6000002 0.8999998]

。不太清楚发生了什么…我认为他们应该先做一个更好的例子。对于你的特定例子，你可以简单地用

linear\u model=W*x+b

替换为

linear\u model=tf.cast（10*（W*x+b），tf.int32）/10

。我刚刚试着用这个替换来运行你的代码，它给了我输出

[0.0.3 0.6 0.9]

。我对二进制非常熟悉，可以从十进制转换过来，但我甚至没有考虑存储浮点数…非常好的信息。Tom Scott实际上已经了解了这个主题（我在那里学到了这个）。或者在谷歌搜索时，我找到了一个关于这个话题的答案。但是tl；dr是浮点数有点像二进制的科学符号，它们实际上是两个二进制数X&Y，其中的数字是：X+2^Y。