Python 如何使用tf.layers.dense和‎开发神经网络;Tensorflow中的tf.data.Dataset?

Python 如何使用tf.layers.dense和‎开发神经网络;Tensorflow中的tf.data.Dataset?,python,tensorflow,deep-learning,feed-forward,Python,Tensorflow,Deep Learning,Feed Forward,我有两个特征X1和X2,我想预测Y 列车数据 X1 X2 Y 11 610 676 52 557 120 78 491 964 77 380 722 24 464 837 86 532 601 99 580 452 10 539 200 88 507 756 X1 X2 36 608 48 170 58 455 99 927 13 431 61 312 34 763 94 626 14 193 如何使用tf.layers.dense和tf.data

我有两个特征X1和X2,我想预测Y

列车数据

X1  X2   Y
11  610 676
52  557 120
78  491 964
77  380 722
24  464 837
86  532 601
99  580 452
10  539 200
88  507 756
X1  X2
36  608
48  170
58  455
99  927
13  431
61  312
34  763
94  626
14  193
如何使用tf.layers.dense和tf.data.Dataset实现这一点?请不要使用feed_dict,因为它不再被推荐

我搜索了使用tf.layers.dense和tf.data.Dataset的好代码示例,但没有任何可靠的东西

一旦对模型进行了训练,我想为下面的测试数据预测Y。是否需要dataset.make_initializable_iterator()来预测测试数据

测试数据

X1  X2   Y
11  610 676
52  557 120
78  491 964
77  380 722
24  464 837
86  532 601
99  580 452
10  539 200
88  507 756
X1  X2
36  608
48  170
58  455
99  927
13  431
61  312
34  763
94  626
14  193
如果模型体系结构包括批处理规范化、正则化和退出,而不是现在的优先级,那么它将是一个附加组件


感谢

towardsdatascience的本教程非常好地解释了数据集API的用法

相关Jupyter笔记本

我以前看过这些链接。他们没有关于如何将模型应用于测试数据以进行新预测的代码。@ML\u Pro它包含在教程和使用
通用迭代器的笔记本中。
:)不,您共享的链接没有显示我们如何对测试数据集进行预测。我在找。如果你知道,你能发布一个工作代码吗?请阅读这篇文章它有一个明确的部分,关于如何制作一个在训练和测试数据集上都能工作的数据集迭代器,你可以在模型中使用。这是关于使用tf.dataset API的问题。如果你想要一个关于在tf中创建NN的教程,你可以查看tf官方文档,其中有很多示例。本教程仅说明如何使用tf.data创建测试数据,但没有说明如何使用tf.layers预测测试数据。这是tf的组合。教程中缺少数据和tf.layers。我已经试过这个教程了。如果你有答案,请张贴代码,我会接受它作为答案