Machine learning 如何在tensorflow中使用自定义数据集?
我最近开始学习tensorflow。我试图输入我的自定义python代码作为训练数据。我已经生成了随机指数信号,希望网络从中学习。这是我用来产生信号的代码-Machine learning 如何在tensorflow中使用自定义数据集?,machine-learning,tensorflow,deep-learning,tensorboard,Machine Learning,Tensorflow,Deep Learning,Tensorboard,我最近开始学习tensorflow。我试图输入我的自定义python代码作为训练数据。我已经生成了随机指数信号,希望网络从中学习。这是我用来产生信号的代码- import matplotlib.pyplot as plt import random import numpy as np lorange= 1 hirange= 10 amplitude= random.uniform(-10,10) t= 10 random.seed() tau=random.uniform(lorange,h
import matplotlib.pyplot as plt
import random
import numpy as np
lorange= 1
hirange= 10
amplitude= random.uniform(-10,10)
t= 10
random.seed()
tau=random.uniform(lorange,hirange)
x=np.arange(t)
plt.xlabel('t=time")
plt.ylabel('x(t)')
plt.plot(x, amplitude*np.exp(-x/tau))
plt.show()
如何将此图用作tensorflow中的输入向量 您必须使用
tf.placeholder
函数():
然后,您可以在tensorflow代码中使用x_节点和y_节点(例如,使用x_节点
作为神经网络的输入,并尝试预测y_节点
)。然后,当使用
sess.run()
时,必须使用feed\u dict
参数为输入数据x
和y
:
with tf.Session() as sess:
sess.run([...], feed_dict={x_node: x, y_node: y})
您必须使用
tf.placeholder
function():
然后,您可以在tensorflow代码中使用x_节点和y_节点(例如,使用x_节点
作为神经网络的输入,并尝试预测y_节点
)。然后,当使用
sess.run()
时,必须使用feed\u dict
参数为输入数据x
和y
:
with tf.Session() as sess:
sess.run([...], feed_dict={x_node: x, y_node: y})