深度学习框架Tensorflow学习(六)-----小错误引来的反思

今天闲来无聊写了一个简单构建简单神经网络的例子，代码如下：

import tensorflow as tfimport numpy as npdef add_layer(inputs,in_size,out_size,activation_function=None):    Weights = tf.Variable(tf.random_normal([in_size,out_size]))    biases = tf.Variable(tf.zeros([1, out_size])+0.1)    Wx_plus_b = tf.matmul(inputs,Weights)+biases    if activation_function==None:        outputs=Wx_plus_b    else:        outputs=activation_function(Wx_plus_b)    return outputsx_data =np.linspace(-1,1,300,dtype='float32')[:,np.newaxis]noise = np.random.normal(0,0.05,x_data.shape)y_data =np.square(x_data)-0.5+noisexs=tf.placeholder(tf.float32,[None,1])ys=tf.placeholder(tf.float32,[None,1])l1 = add_layer(x_data,1,10,activation_function=tf.nn.relu)prediction = add_layer(l1,10,1,activation_function=None)loss = tf.reduce_mean(tf.reduce_sum(tf.square(y_data-prediction),reduction_indices=[1]))train_step=tf.train.GradientDescentOptimizer(0.01).minimize(loss)init = tf.initialize_all_variables()sess = tf.Session()sess.run(init)for i in range(1000):    sess.run(train_step,feed_dict={xs:x_data,ys:y_data})    if i%50==0:        print(sess.run(loss,feed_dict={xs:x_data,ys:y_data}))

大家注意这一行，x_data =np.linspace(-1,1,300,dtype='float32')[:,np.newaxis]
在一开始的时候，我没有定义x_data的dtype，但是就一直报错，我都没找到为什么报错，就是报数据类型不对，经过调试发现，x_data生成的数据类型为float64，而我们在其他地方定义的数据类型都是float32，因为这个不匹配，这个就引起我的反思了，我就查找资料，决定找到这个问题的根源所在，测地解决数据类型的错误。
在这个帮助文档中np.linspace中有说明，
dtype : dtype, optional
The type of the output array. If dtype is not given, infer the data type from the other input arguments.

**如果没有给定数据类型，返回数据的数据类型根据其他输入参数的数据类型来判断。

————————————————————————————————————
暂时未找到具体的定义说明参数定义是根据哪个输入来定义，建议同学们在使用时对变量进行定义的时候把数据类型参数给定义了，这样不会引起不必要的错误，有什么更新的知识能够解答这个问题我会继续在这边补充出来，欢迎大家随时关注。