我正在尝试实现一个简单的计算图框架，并使用简单的神经网络对其进行测试，主要是通过TensorFlow学习。现在我想清楚TensorFlow如何处理无形状张量。
在this example，X有形状[None, n_input]，weights['h1']有形状[n_input, n_hidden_1]，biases['b1']有形状[n_hidden_1]。当它试图这样做：layer_1 = tf.add(tf.matmul(x, weights['h1']), biases['b1'])，tf.matmul(x, weights['h1'])应该有形状[None, n_hidden_1]，TensorFlow究竟如何用biases['b1']添加它？基于documentation，tf.add仅在2个操作数具有相同形状时才起作用。如果我们使用10号批量运行，tf.matmul(x, weights['h1'])将具有形状[10, n_hidden_1]，并且它不应该与biases['b1']一起添加。
[None, n_input]理想地指的是：None指的是Batch_size，它可以由我们给出，n_input指的是要分析的特征的数量。
所以n_input指的是784像素数据。所以我们实际尝试做X.W+b意味着X（[None, 784]）乘以[784, 256]模型输出[None, 256]现在增加偏差，这里+也被称为广播加上理想情况下需要为256个隐藏单元添加256个偏差