没有合适的资源?快使用搜索试试~ 我知道了~
如何定义TensorFlow输入节点
1 下载量 134 浏览量
2020-09-18
01:37:38
上传
评论
收藏 123KB PDF 举报
温馨提示
试读
3页
今天小编就为大家分享一篇如何定义TensorFlow输入节点,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
资源推荐
资源详情
资源评论
如何定义如何定义TensorFlow输入节点输入节点
今天小编就为大家分享一篇如何定义TensorFlow输入节点,具有很好的参考价值,希望对大家有所帮助。一起
跟随小编过来看看吧
TensorFlow中有如下几种定义输入节点的方法。中有如下几种定义输入节点的方法。
通过占位符定义:一般使用这种方式。
通过字典类型定义:一般用于输入比较多的情况。
直接定义:一般很少使用。
一一 占位符定义占位符定义
示例:
具体使用tf.placeholder函数,代码如下:
X = tf.placeholder("float")
Y = tf.placeholder("float")
二二 字典类型定义字典类型定义
1 实例
通过字典类型定义输入节点
2 关键代码
# 创建模型
# 占位符
inputdict = {
'x': tf.placeholder("float"),
'y': tf.placeholder("float")
}
3 解释
通过字典定义的方式和第一种比较像,只不过是堆叠到一起。
4 全部代码
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
plotdata = { "batchsize":[], "loss":[] }
def moving_average(a, w=10):
if len(a) < w:
return a[:]
return [val if idx < w else sum(a[(idx-w):idx])/w for idx, val in enumerate(a)]
#生成模拟数据
train_X = np.linspace(-1, 1, 100)
train_Y = 2 * train_X + np.random.randn(*train_X.shape) * 0.3 # y=2x,但是加入了噪声
#图形显示
plt.plot(train_X, train_Y, 'ro', label='Original data')
plt.legend()
plt.show()
# 创建模型
# 占位符
inputdict = {
'x': tf.placeholder("float"),
'y': tf.placeholder("float")
}
# 模型参数
W = tf.Variable(tf.random_normal([1]), name="weight")
b = tf.Variable(tf.zeros([1]), name="bias")
# 前向结构
z = tf.multiply(inputdict['x'], W)+ b
#反向优化
cost =tf.reduce_mean( tf.square(inputdict['y'] - z))
learning_rate = 0.01
optimizer = tf.train.GradientDescentOptimizer(learning_rate).minimize(cost) #Gradient descent
# 初始化变量
init = tf.global_variables_initializer()
#参数设置
资源评论
weixin_38628990
- 粉丝: 5
- 资源: 934
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功