MNIST教程中的Tensorflow tf.matmul

我对使用tensorflow是新手。我的问题是：

在MNIST教程中：

首先，我们用表达式tf.matmulx，W乘以x，这与我们在方程中乘以它们时的情况相反，这里有Wx，作为一个小技巧来处理x是具有多个输入的二维张量。然后添加b，最后应用tf.nn.softmax

我的问题是:

为什么b被初始化为向量：b=tf.Variabletf.zeros[10]

而不是 b=tf.Variabletf.zeros[None，10]或b=tf.Variabletf.zeros[1,10]

因为x*W+b的形状是：[None，784]*[784，10]+[None，10]

---

感谢您的回答。

这是因为，我们对批次中的每个图像应用相同的操作，而不是对批次应用相同的操作。因此x*W+b不是

但是你

results = merge(None, [784] * [784, 10] + [10])

---

谢谢你的回答：

results = merge(None, [784] * [784, 10] + [10])