2.2 matrix layer operation

import tensorflow as tf
sess = tf.Session()
import numpy as np

myarray = np.array([[1.,3.,5.,7.,9],[-2.,0.,2.,4.,6],[-6.,-3.,0.,3.,6]])
myarray

array([[ 1.,  3.,  5.,  7.,  9.],
       [-2.,  0.,  2.,  4.,  6.],
       [-6., -3.,  0.,  3.,  6.]])

x_vals = np.array([myarray,myarray+1])
x_vals

array([[[ 1.,  3.,  5.,  7.,  9.],
        [-2.,  0.,  2.,  4.,  6.],
        [-6., -3.,  0.,  3.,  6.]],

       [[ 2.,  4.,  6.,  8., 10.],
        [-1.,  1.,  3.,  5.,  7.],
        [-5., -2.,  1.,  4.,  7.]]])

x = tf.placeholder(tf.float32,shape=(3,5)) #规定了数据类型和形状
#那么xvals 只能一次一个矩阵feed
m1 = tf.constant([[1.],[0.],[-1.],[2.],[4.]])
m2 = tf.constant([[2.]])
a1 = tf.constant([[10.]])#[[]]make sure shape 1*1
prod1 = tf.matmul(x,m1)
prod2 = tf.matmul(prod1,m2)
add1 = tf.add(prod2,a1)

#x_vals shape is 2,3,5
for x_val in x_vals:
    print(sess.run(add1,feed_dict={x:x_val}))#x_val shape equer x(placeholder)

[[102.]
 [ 66.]
 [ 58.]]
[[114.]
 [ 78.]
 [ 70.]]