我在尝试进行逻辑回归，我的训练数据集来源于一个numpy的float64数组。我的代码如下所示，

import tensorflow as tfgraph = tf.Graph()with graph.as_default():    examples =tf.constant(mat6)  # mat6 is a numpy float64 array    t_labels = tf.constant(labels) # labels is an a numpy float64 array    W = tf.Variable(tf.truncated_normal([115713, 2]))    b = tf.Variable(tf.zeros([2]))    logits = tf.matmul(examples, W)+b

这会抛出一个异常

TypeError: Input 'b' of 'MatMul' Op has type float32 that does not match type float64 of argument 'a'.

这可能是因为W和b是float32而不是float64。有什么方法可以将W和b转换为float64，或者直接创建为float64吗？

回答：

为了解决这个问题，你应该使用tf.float64作为初始值来定义W和b变量。tf.truncated_normal()和tf.zeros()操作都有一个可选的dtype参数，可以设置为tf.float64，如下所示：

    W = tf.Variable(tf.truncated_normal([115713, 2], dtype=tf.float64))    b = tf.Variable(tf.zeros([2], dtype=tf.float64))