我正在嘗試為機(jī)器學(xué)習(xí)算法編寫代碼來學(xué)習(xí)機(jī)器學(xué)習(xí)概念和 Tensorflow。我試圖寫的算法是：（沒有足夠的聲譽(yù)來嵌入圖像）https://i.imgur.com/lxgC7YV.png“這相當(dāng)于分段線性回歸模型?！眮碜裕ǖ仁?7）：https://arxiv.org/pdf/1411.3315.pdf我已經(jīng)加載了我想要執(zhí)行此操作的向量。并初始化我的占位符和變量：size = len(originalVecs)_x1 = tf.placeholder(tf.float64, shape=[size, 300], name="x1-input")_x2 = tf.placeholder(tf.float64, shape=[size, 300], name="x2-input")_w = tf.Variable(tf.random_uniform([300,300], -1, 1, dtype = tf.float64), name="weight1")我設(shè)置的預(yù)測、成本和訓(xùn)練步驟如下：prediction = tf.matmul(_x1,_w)cost = tf.reduce_sum(tf.square(tf.norm(prediction - _x2)))train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cost)初始化后，我使用以下內(nèi)容進(jìn)行訓(xùn)練：for i in range(10000):    sess.run(train_step, feed_dict={_x1: timedVecs, _x2 : originalVecs})    if i % 1001 == 0:        print('Epoch ', i)        print('Prediction ', sess.run(prediction, feed_dict={_x1: timedVecs, _x2 : originalVecs}).shape)當(dāng)我運行我的代碼時，它非常不穩(wěn)定，并且只會在大約 20 次迭代中增長以僅打印 NaN。我想我做錯了幾件事，但我不知道如何糾正。預(yù)測的形狀是 [20,300]，而我預(yù)計它是 [1,300]。我希望它基于單個 x1 和 x2 進(jìn)行預(yù)測，而不是一次全部預(yù)測，然后嘗試從所有數(shù)據(jù)點的誤差總和中學(xué)習(xí)（我假設(shè)分段是）。我不確定如何解決這個問題，因為我認(rèn)為目前我基于 20,300 矩陣而不是 20 1,300 個矩陣的總和進(jìn)行最小化。我認(rèn)為 matmul 是正確的，因為乘法是元素明智的？我將輸入數(shù)據(jù)作為 np 數(shù)組列表輸入。每個 np 數(shù)組都是一個 300 維的數(shù)據(jù)點。