繼上篇，繼續視訊程式碼筆記。

一：placeholder(tensorflow)

具體不造有什麼用。

結果：

二：action function激勵函式(tensorflow)

（目前：我自己理解為：1.壓縮，使其值（啟用值）位於0到1之間；2.表示了模型的偏好（個人理解，總覺得他和偏置值有著類似的作用））

三：新增神經網路層（tensorflow）（函式）

其實如果看過神經網路視訊的，很容易理解程式碼。但是我自己畫圖：

和程式碼比較，我的輸入輸出和他是相反的（行列），有點不清楚了。因為我習慣matlab一樣的構造方式，所以此處有點疑惑。

四：神經網路 （繼上層程式碼）

參考網址：

（1）np.newaxis

(2)np.random.normal()

(3)reduce_sum()中reduction_indices(其實就是表示維度)

(4)place_holder中None再幹啥（其實就是為了表示，這是一個數，猜測是必須給定兩個維度，而用None表示其沒有這個維度）

程式碼：

(嗯，果然，一帆風順是不存在的)

（1）tensorflow各個版本間的坑

吐槽開始：mmp

首先，程式碼打完，執行報錯。

（1）經檢驗，float32和float64問題

照著部落格解決

但是會出現一個很奇怪的現象：

上圖為轉換前後

（2）報錯：

經定位：

這句話的問題。

最開始我以為是點乘和矩陣乘法的問題：

（2.1）點乘和矩陣乘法

（2.2）改完還是不對，理了一下思路，其實，inputs是一個[300,2],每一行為一個樣本，Weigths[1,10]，而其運算一定矩陣乘法，所以，就是解決維度問題。

最噁心的坑：

對，沒錯，又回到最初的起點，意味著最初那個解決float64問題的方法是不對的.........我.....，此處先留存疑問，以後解決。

最最後，填以前的一個疑問，place_holder，可以利於隨機梯度下降的實現。