零参数向量在张量流中如何工作？

Question

所以，我正在关注 Chris Mattman 写的关于 Tensorflow 的书。它有很多错误并且已经过时，但我仍在尝试用它进入机器学习（书中还有一些有趣的概念）

这是代码：

import tensorflow as tf
tf.disable_v1_behavior()
#...
#...
#...
def model(X, w):
    terms = []
    for i in range(num_coeffs): #num_coeffs = 6
        term = tf.multiply(w[i], tf.pow(X, i))
        terms.append(term)
    return tf.add_n(terms)

w = tf.Variable([0.]*num_coeffs, name="parameters")
y_model = model(X, w) #X = tf.placeholder(tf.float32)

我的问题：我们如何将 0. 乘以变量中的某个值并得到与 0 不同的值？ 编辑：我忘了提，它是多项式回归模型 =)

Answer 1

参数

[0.]*num_coefs

是w表示的张量流变量的

初始

值。当然，当所有系数都为零时，乘以这些系数的结果也为零。

针对某些距离或损失度量（例如最小化均方误差）执行优化的要点是变量将被更新为非零值，从而根据输入和输出数据优化度量。您的代码尚未包含 optimizer，因此该变量不会被更新。添加优化器将导致变量更新为非零向量，并根据所选优化器遵循某种策略。