我最近在学习tensorflow,下面的代码来自一个类示例:
hiddenBiasUpdate = self.hiddenBias.assign_add(self.learningRate * tf.reduce_mean(hProb0 - hProb1, 0))
这段代码的解释是“第93行更新了隐藏的偏差项,试图将原始数据和重建数据的隐藏节点输出之间的误差最小化。”
我真的不明白代码是如何实现它所描述的功能的
下面是hProb0和hProb1的定义,我把它们理解为对隐藏层的预测
hProb0 = tf.nn.sigmoid(tf.matmul(self.X, self.weights) + self.hiddenBias)
hProb1 = tf.nn.sigmoid(tf.matmul(vProb, self.weights) + self.hiddenBias)
目前没有回答
相关问题 更多 >
编程相关推荐