tf.matmul(x, W) + b





\(w^{(l)}_{ij}\)| 第 \(l\) 层第 \(j\) 个单元与第 \(l+1\) 层第 \(i\) 个单元之间的链接参数

在理论推导中， \(b \in R^{3\times1}\) 的列向量， 一条数据输入 \(x = (x_1, x_2, x_3)^T\) 为列向量， 而实际中输入数据以行存储，所以我们将推导公式求转置

\[Wx+b \Rightarrow (Wx+b)^T= x^TW^T + b^T \]

这样一条输入数据就是一行，对应行向量。所以 \(tensorflow\) 中运算 \(tf.matmul(x, W) + b\) 有以下几点需要注意：

1. \(b \in R^{1\times n}\)为行向量 (其中 n 为该层神经元的个数，一个神经元对应一个偏置)
2. 输出相对应的系数为矩阵 W 的一列
3. 一行输入数据对应一行输出数据