这几天都在忙着码一个自动编码机，
其实代码也比较简单，但是调研的比较多．
因为发现在tensorflow当中其实并不是很好传递参数．
比如说我在训练一个自动编码机的过程中，想实现weights tying，
比如一个四层的网络，我想令W4 = W1.T（转置）, W3=W2.T
这种直接的改变很难通过固有的库去实现．

在 hands on machine learning with scikit-learn and tensorflow这本书中是这么写的：
*unfortunately, implementing tied weights in tensorflow using fully_connected function() is a bit cunbersome: it's actually easier to just define the layers manually. *

意思是我们只能手写一些例如激活函数之类的东西，从底层实现了．

实际上我训练完之后，返回的也只能是一个字典：
weights:{'weights1' : xxx, 'weights2': xxx....}
biases:{'biases1': xxx, 'biases2': xxx....}

具体如果要实现把自动编码机嵌入到代码的全连接层中的话，可能还是得如书中所说： define the layers manually...

具体详情请参考machine learning 的文集．