tf 矩阵行和列交换_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