如何在张量流中使用自定义数据集?
问题描述:
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 -如何在张量流中使用自定义数据集?
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?
答
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})
谢谢。我现在正在尝试这个@olivier – zerogravty