Python 访问函数中的变量,该函数定义用于测试数据Tensorflow的模型
我已经对Tensorflow和它的自动链式法则印象深刻,当它找到导数时。但我有一个问题,是否有可能从训练数据的函数模型中访问变量Python 访问函数中的变量,该函数定义用于测试数据Tensorflow的模型,python,tensorflow,Python,Tensorflow,我已经对Tensorflow和它的自动链式法则印象深刻,当它找到导数时。但我有一个问题,是否有可能从训练数据的函数模型中访问变量 import tensorflow as tf import numpy as np X1 = np.array([[1,2,3]],dtype=np.float32).T #train features X2 = np.array([[1.5,2.2]],dtype=np.float32).T #test features y1 = np.array([
import tensorflow as tf
import numpy as np
X1 = np.array([[1,2,3]],dtype=np.float32).T #train features
X2 = np.array([[1.5,2.2]],dtype=np.float32).T #test features
y1 = np.array([[10,20,30]],dtype=np.float32).T #train label
y2 = np.array([[15,22]], dtype=np.float32).T #test features
x = tf.placeholder(tf.float32,[None,None])
y = tf.placeholder(tf.float32,[None,1])
def model(data):
w0 = tf.Variable(tf.random_normal([1,1]),dtype=tf.float32)
b0 = tf.Variable(tf.random_normal([1,1]),dtype=tf.float32)
model = tf.add(tf.matmul(data,w0),b0)
return model
result = model(X1)
loss = tf.square(result-y1)
train = tf.train.GradientDescentOptimizer(0.01).minimize(loss)
with tf.Session() as sess:
init = tf.global_variables_initializer()
sess.run(init)
for i in range(1000):
sess.run([train],feed_dict={x:X1,y:y1})
print(sess.run(result))
# Would something like this be possible?:
# print(sess.run(model(X2))) test data ???
会话已经保存了一些关于权重和偏差的数据。有没有可能把它拿出来?是的,有可能!权重和偏差将重新用于测试数据。理想情况下,你会想跑步
sess.run(result, feed_dict={x: X2, y: y2})
我在这里问之前已经试过了。问题是,sess.run(result,feed_dict={x:X2,y:y2})输出X1的值。现在,我必须在函数模型中将变量更改为占位符。谢谢