tf矩阵乘法理解

拿简单手写数字图像识别例子来说
一个图像对应一维数组[255,255,…]共784个元素
输出结果为0-9数字的十种概率
怎么定义权重w和偏移量b是关键

规律：
每个个体n个属性
分类有c个结果
w=n行c列
b=c列

y=wx+b

import tensorflow as tf
import numpy as np
with tf.Session() as sess:
    #一维向量 [0 1]，简单
    print(sess.run(tf.constant(np.arange(2), shape=[2])))
    print("----")
    #二维矩阵
    '''
    几行几列，很轻松

    [[1 2]
        [3 4]]
    '''
    print(sess.run(tf.constant(np.arange(1,5), shape=[2, 2])))
    print("----")
    #三维
    '''
    有点烦
    [[[1 2]
      [3 4]]

     [[5 6]
      [7 8]]]
    '''
    print(sess.run(tf.constant(np.arange(1,9), shape=[2, 2, 2])))
    #四维
    '''
    很烦
    [[[[ 1  2]
       [ 3  4]]

      [[ 5  6]
       [ 7  8]]]


     [[[ 9 10]
       [11 12]]

      [[13 14]
       [15 16]]]]
    '''
    print(sess.run(tf.constant(np.arange(1, 17), shape=[2, 2, 2,2])))

    print("-1来啦")
    v=tf.constant(np.arange(1, 17), shape=[2, 2, 2,2])
    print(sess.run(tf.reshape(v, [-1])))
    '''
    [ 1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16]
    '''
    print(sess.run(tf.reshape(v, [-1,2,2,2])))#同[2, 2, 2,2]
    print(sess.run(tf.reshape(v, [-1, 4, 1])))
    '''
    [[[ 1]
      [ 2]
      [ 3]
      [ 4]]

     [[ 5]
      [ 6]
      [ 7]
      [ 8]]

     [[ 9]
      [10]
      [11]
      [12]]

     [[13]
      [14]
      [15]
      [16]]]
    '''

-1代表的含义是不用我们自己指定这一维的大小，函数会自动计算，但列表中只能存在一个-1