one_hot独热编码,是一个稀疏向量,实质是先把分类进行编码,然后按照分类编码对应的索引进行编码,这样做其实是把离散的点扩展到了欧氏空间,有利于计算
foward = tf.matmul(x,W) + b #矩阵shape一直才可以相加,但b的shape和叉乘出来的值的shape明显不一样,但还可以相加,这是利用tensorflow的广播机制


TF2:


one_hot独热编码,是一个稀疏向量,实质是先把分类进行编码,然后按照分类编码对应的索引进行编码,这样做其实是把离散的点扩展到了欧氏空间,有利于计算
foward = tf.matmul(x,W) + b #矩阵shape一直才可以相加,但b的shape和叉乘出来的值的shape明显不一样,但还可以相加,这是利用tensorflow的广播机制


TF2:


本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/946728.shtml
如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!