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-

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})