如何定义TensorFlow输入节点

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

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。

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()

# 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