Tensorflow示例爲行或列？

Question

給定Tensorflow API nn.softmax，nn.sparse_softmax_cross_entropy_with_logits,tf.nn.rnn等似乎慣例是將樣品作爲批處理中的行放置。

然後神經網絡中的正向通過是tf.matmul(input_batch, W) + b，其中input_batch是形狀爲[n_samples, input_size]的矩陣。 API中的n_samples通常被命名爲batch_size。在批次中的所有樣品（行）上廣播添加行向量b。

這是神經網絡工作時的一般慣例嗎？我已經閱讀了很多以樣本爲列的研究文章，並使用向前傳遞權矩陣的左乘法。爲什麼這個會議選擇了？

EDIT

本文使用的左側輸入的，以及矢量級聯權重矩陣的乘法，所以，樣品必須是列： http://colah.github.io/posts/2015-08-Understanding-LSTMs/。它在此處的Tensorflow文檔中提到：https://www.tensorflow.org/versions/r0.11/tutorials/recurrent/index.html。

---

BasicLSTMCell的實施是根據這裏https://github.com/tensorflow/tensorflow/blob/master/tensorflow/python/ops/rnn_cell.py源基於本文https://arxiv.org/pdf/1409.2329v5.pdf上。你也可以看到左邊的乘法。

---

最後在這篇文章https://arxiv.org/pdf/1506.00019.pdf中，激活也是列向量。

Answer 1

我認爲這純粹是一個約定的問題，並且（大多數）機器學習研究人員和從業人員已經同意採用[n_samples, input_size]公約。當一個實例不是具有d元素的矢量，而是一般的[d1, d2, ..., dm]數組（例如，一個實例是[width, height, 3]RGB圖像）時，一個優點變得明顯。通過[n_samples, input_size]慣例，您始終可以依靠第一個索引作爲樣本大小。