请教一下这行代码问题在哪里

最新推荐文章于 2024-10-15 09:52:26 发布

zc_cos

最新推荐文章于 2024-10-15 09:52:26 发布

阅读量220

点赞数

CC 4.0 BY-SA版权

分类专栏： TensorFlow

本文链接：https://blog.youkuaiyun.com/zc_cos/article/details/80244519

TensorFlow 专栏收录该内容

1 篇文章

订阅专栏

本文介绍如何利用TensorFlow构建一个简单的神经网络模型来解决基本的二分类问题。通过随机生成的数据集进行训练，并逐步展示如何定义网络结构、设置损失函数及优化器等关键步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

# -*- coding: utf-8 -*-
"""
Created on Tue May 8 15:07:24 2018

@author: lenovo
"""

import tensorflow as tf
import numpy as np
BATCH_SIZE = 8
seed = 23455

#基于seed产生随机数
rng = np.random.RandomState(seed)
#随机数返回32行2列的矩阵表示32组体积和重量作为输入数据集
X = rng.rand(32, 2)
#从x这个32行2列的矩阵中取出一行判断如果和小于1给y赋值1 如果和不小于1给y赋值0
#作为输入数据集的标签（正确答案）
Y = [(int(x0 + x1 < 1)) for (x0, x1) in X]
print (X)
print (Y)

#定义神经网络的输入、参数和输出，定义前向传播过程
x = tf.placeholder(tf.float32, shape=(None, 2))
y_ = tf.placeholder(tf.float32, shape=(None,1))

w1 = tf.Variable(tf.random_normal((2, 3), stddev=1, seed=1))
w2 = tf.Variable(tf.random_normal((3, 1), stddev=1, seed=1))

a = tf.matmul(x, w1)
y = tf.matmul(a, w2)

#定义损失函数及反向传播方法
loss = tf.reduce_mean(tf.square(y-y_))
train_step = tf.train.GradientDescentOptimizer(0.001).minimize(loss)
#train_step = tf.train.MomentumOptimizer(0,001,0.9).minimize(loss)
#train_step = tf.train.AdamOptimizer(0.001).minimize(loss)

#生成会话，训练STEPS轮
init_op = tf.global_variables_initializer()
sess = tf.Session()
result = sess.run(init_op)
#输出目前（未经训练）的参数取值

resw1 = sess.run(w1)
resw2 = sess.run(w2)
print (resw1)
print (resw2)

#训练模型
print('1')
STEPS = 3000
for i in range(STEPS):
start = (i*BATCH_SIZE) % 32
end = start + BATCH_SIZE
zc = sess.run(train_step, feed_dict={x: X[start:end], y_:Y[start:end]}) #这行有问题
if i % 500==0:
total_loss = sess.run(loss, feed_dict={x:X, y:Y})

print(i, total_loss)

请问是placeholder的问题吗