Python Tensorflow自定义估计器DNN累加器标签尺寸
我目前对tensorflow相当陌生,我正试图根据粒子在过去时间步中的位置来预测粒子的位置 我的功能如下所示:Python Tensorflow自定义估计器DNN累加器标签尺寸,python,tensorflow,tensorflow-estimator,Python,Tensorflow,Tensorflow Estimator,我目前对tensorflow相当陌生,我正试图根据粒子在过去时间步中的位置来预测粒子的位置 我的功能如下所示: X_0 X_1 X_2 X_3 X_4 Y_0 Y_1 Y_2 Y_3 Y_4 19 650.0 651.0 652.0 653.0 654.0 128.3 135.9 143.5 151.1 158.7 16 647.0 648.0 649.0 650.0 651.0 105.5 113.
X_0 X_1 X_2 X_3 X_4 Y_0 Y_1 Y_2 Y_3 Y_4
19 650.0 651.0 652.0 653.0 654.0 128.3 135.9 143.5 151.1 158.7
16 647.0 648.0 649.0 650.0 651.0 105.5 113.1 120.7 128.3 135.9
...
LabelX LabelY
19 655.0 166.3
16 652.0 143.5
...
我的标签是这样的:
X_0 X_1 X_2 X_3 X_4 Y_0 Y_1 Y_2 Y_3 Y_4
19 650.0 651.0 652.0 653.0 654.0 128.3 135.9 143.5 151.1 158.7
16 647.0 648.0 649.0 650.0 651.0 105.5 113.1 120.7 128.3 135.9
...
LabelX LabelY
19 655.0 166.3
16 652.0 143.5
...
正如你所看到的,我的标签是二维的。我的第一次尝试使用tensorflows premade estimatortf.estimator.DNNRegressor
,并在创建过程中为其提供参数label_dimension=2
,效果很好
现在我想用一个自定义估计器做同样的事情。
遗憾的是,tensorflow网站上的教程都使用分类器而不是回归器,我在网上找到的唯一例子是,但它们只使用一维输出
我做了很多实验,但没有取得任何进展。
我相当肯定我得换第41行
output_layer = tf.layers.dense(inputs=top, units=1)
但是如果我这样做,我就无法让文件的其余部分正常工作。我让它正常工作了
你可以找到我的代码