时间戳

首页 > 解决方案 > TensorFlow 数据选择器

tensorflow - TensorFlow 数据选择器

问题描述

我是 tensorFlow 的新手，但我有一个问题，我认为它可以帮助我解决。

我有两个数据集，如下所示。我想用 TensorFlow 创建一个可以加载训练数据的神经网络。然后检查测试数据集是赢家还是输家。

training_data = [[1,2,3], # Winner 
                [5,6,7], # Loser
                [2,3,4], # Winner
                [7,8,9], # Loser
                [3,4,5]] # Winner 

testing_data  = [[1,2,3]] #Winner or loser

我从 TensorFlow 入门指南中获取以下内容作为起点。这一切对我来说都很有意义，但我只是在努力让它适应我的问题。

import tensorflow as tf

x = tf.constant([[1], [2], [3], [4]], dtype=tf.float32)
y_true = tf.constant([[0], [-1], [-2], [-3]], dtype=tf.float32)

linear_model = tf.layers.Dense(units=1)



y_pred = linear_model(x)
loss = tf.losses.mean_squared_error(labels=y_true,predictions=y_pred)

optimizer = tf.train.GradientDescentOptimizer(0.01)
train = optimizer.minimize(loss)

init = tf.global_variables_initializer()

sess = tf.Session()

sess.run(init)
for i in range(100):
    _, loss_value = sess.run((train,loss))
    print(loss_value)


print(sess.run(y_pred))

标签： tensorflowmachine-learning

解决方案

我找到了这个教程，它回答了我的问题。对于任何有同样问题的人。

https://colab.research.google.com/github/tensorflow/models/blob/r1.8.0/samples/core/get_started/eager.ipynb#scrollTo=kesTS5Lzv-M2

完成后我会发布我的解决方案。

推荐阅读