我只是在学TensorFlow,如果这很明显的话,我很抱歉。我已经检查了文档并做了很多实验,但我似乎无法让它起作用。
def train_network():
OUT_DIMS = 1
FIN_SIZE = 500
x = tf.placeholder(tf.float32, [OUT_DIMS, FIN_SIZE], name="x")
w = tf.Variable(tf.zeros([FIN_SIZE, OUT_DIMS]), name="w")
b = tf.Variable(tf.zeros([OUT_DIMS]), name="b")
y = tf.tanh(tf.matmul(x, w) + b)
yhat = tf.placeholder(tf.float32, [None, OUT_DIMS])
cross_entropy = -tf.reduce_sum(yhat*tf.log(y))
train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)
# Launch the model
init = tf.initialize_all_variables()
sess = tf.Session()
sess.run(init)
for this_x, this_y in yield_financials():
sess.run(train_step, feed_dict={x: this_x,
yhat: this_y})
print(end=".")
sys.stdout.flush()
yield_financials()输出一个由500个数字组成的numpy数组,以及我希望它猜测的数字。我试着把模糊度和FIN模糊度混在一起,我试着把它们分批累积起来,以更接近教程中的样子,我试着把模糊度设置为0,完全删除,我试着用其他数字替换它们,但没有取得任何进展。
试试看
我有同样的问题,我解决了这个问题,我希望这对你有帮助
首先,我将加载数据转换为:
然后,将trX、trY、teX、teY数据转换为:
最后,我将在会话中启动图形转换为:
就这些。
相关问题 更多 >
编程相关推荐