人工智能技术问答之三

图书销售以来读者交流群十分活跃，小编截取一部分问答共享给深度学习爱好者。

读者

老师，求一个序列数据的移动平均值的目的何在？

打印loss值。让loss值的可视化更加平滑。

代码医生

读者

32、64之间有什么关系吗？

32是输入，64是输出。

代码医生

读者

我知道32是输入，64时输出，但为什么一定是这两个数字呀？是不是科学家做实验发现的啊？

这个也不一定。主要看经验吧。而且这个值也不一定是最好。还是得多尝试。根据不同的样本特征，选择不同的比例，没有统一定律。

代码医生

读者

对于书中的mnistinfogan程序，如果不使用mnist数据集，而是直接使用方阵的话，需要怎么修改代码呀？不一定。主要看经验吧。而且这个值也不一定是最好。还是得多尝试。根据不同的样本特征，选择不同的比例，没有统一定律。

主要是看你的数据内容。行和列要跟模型输入的维度匹配。infogan主要是学习loss处理方面的知识。对于loss的计算没有做过多的技巧。直接方阵有可能会不收敛，这个跟具体的数据有关。发现不收敛了，可以看后面的章节会有很多比较好的训练方法。

代码医生

读者

请问这个问题怎么解决呀

tf.Session()

代码医生

读者

生成y的导数，到底是什么对于y的导数？而且最先求得不是应该是dL比上dy预测吗？再用dL比上w1,w2,b等等再来进行比如w = w-a*dl/dw等而且我觉得Del_y为输出层所需要的修改值这句话是我没理解清楚吗？因为修改值就意味着是α*dl/dw等这种形式，α是学习率，但这里明显不是啊？哪位大佬给解释下

如果看图理解不了，可以看代码。后面有个减法的代码。直接手动实现的反向推导。配合那个再理解就轻松了。见实例55：简单循环神经网络实现——裸写一个退位减法器

代码医生