Tensorflow Relu Yanlış anlaşılma

Question

Son zamanlarda TensorFlow merkezli bir Udacity Deep Learning kursu yapıyorum. Turn the logistic regression example with SGD into a 1-hidden layer neural network with rectified linear units nn.relu() and 1024 hidden nodes

Bu konuda zihinsel blok yaşıyorum için

 

from tensorflow.examples.tutorials.mnist import input_data 
import tensorflow as tf 

mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) 

x = tf.placeholder(tf.float32, [None, 784]) 
W = tf.Variable(tf.zeros([784, 10])) 
b = tf.Variable(tf.zeros([10])) 

y = tf.nn.softmax(tf.matmul(x, W) + b) 

y_ = tf.placeholder(tf.float32, [None, 10]) 
cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1])) 

train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy) 

init = tf.initialize_all_variables() 

sess = tf.Session() 
sess.run(init) 

for i in range(1000): 
    batch_xs, batch_ys = mnist.train.next_batch(100) 
    sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys}) 

correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1)) 
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) 
print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels})) 
 

Bir sonraki atama it: Ben yaklaşık% 92 doğru olan basit MNIST program var. Şu anda 784 x 10 Matris ağırlığında ve 10 element uzunluğunda önyargı vektörüm var. Sonuçta ortaya çıkan 10 eleman vektörünü WX + Bias'dan 1024 Relu s'ye nasıl bağlayacağımı anlamıyorum.

Bunu bana açıklayan herkes çok minnettar olurdu.

Answer 1

Şu anda bu

gibi bir şey varsa ve bu

gibi bir şey gerekir (bu diyagram + b1 sonra gider relu katmanı eksik)