如何在张量流中使用自定义数据集？

Question

我最近开始学习tensorflow。我想输入我的自定义Python代码作为训练数据。我产生了随机指数信号，并希望网络从中学习。这是我用于生成信号的代码 -

import matplotlib.pyplot as plt 
import random 
import numpy as np 

lorange= 1 
hirange= 10 
amplitude= random.uniform(-10,10) 
t= 10 
random.seed() 
tau=random.uniform(lorange,hirange) 
x=np.arange(t) 

plt.xlabel('t=time") 
plt.ylabel('x(t)') 
plt.plot(x, amplitude*np.exp(-x/tau)) 
plt.show() 

如何将此图用作张量流中的输入向量？

Answer 1

你必须使用tf.placeholder功能（see the doc）：

# Your input data 
x = np.arange(t) 
y = amplitude*np.exp(-x/tau) 

# Create a corresponding tensorflow node 
x_node = tf.placeholder(tf.float32, shape=(t,)) 
y_node = tf.placeholder(tf.float32, shape=(t,)) 

然后可以使用x_node和y_node在tensorflow代码（例如使用x_node作为神经网络的输入，并试图预测y_node） 。
使用sess.run()然后当你有一个feed_dict参数养活输入数据x和y：

with tf.Session() as sess: 
    sess.run([...], feed_dict={x_node: x, y_node: y})