我需要澄清Tensorflow如何处理其张量的形状 . 这取自MNIST example：
我定义了一个占位符，稍后会提供一些我的训练数据：
x = tf.placeholder(tf.float32, shape=[None, 784])
在运行期间，我以100的批量提供它，因此它在运行时的形状是 (100, 784) . 我还定义了权重和偏差：
W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))
W 的形状为 (784, 10) ， b 的形状为 (10) . 现在我计算
y = tf.matmul(x,W) + b
这就是我被困的地方 . x 和 W 的矩阵乘积在运行时的形状为 (None, 10) 或 (100, 10) . 但是我可以没有错误添加向量 b . 这让我很困惑 . 这怎么办？还有一些更好的文档吗？
1 回答
tf.matmul(x, W) + b中的+运算符实际上是tf.add(tf.matmul(x, W), b)（运算符重载）的简写 .该documentation for tf.add提到，它支持broadcasting，这意味着，当你添加与形状
(10)张量的张量形状(100, 10)，它的加入(10)张到(100, 10)张量的每一行的等价物 .希望有所帮助