我正在实现一种神经网络,特别是多层感知器来检测几个句子的语言。特别是,我在 Python 3.X 中使用 Tensorflow。
之前,我用 10 种语言的几个句子构建了一个 2 克文件。 2-gram 文件用作我的神经网络的输入。例如,像“我喜欢足球”这样的句子可能是 ['1','15','3',...,'30']。
作为教程,我正在关注 the next .
该示例使用 MINST,正如您在导入部分看到的那样:
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
我的问题是,如何将此向量传递到我的神经网络?
在示例中,我可以看到以下语句:
batch_x, batch_y = mnist.train.next_batch(batch_size)
还有,另一个:
_, c = sess.run([optimizer, cost], feed_dict={x: batch_x, y: batch_y})
那里,很难理解,因为我不知道batch_x和batch_y是什么类型。
最佳答案
它们可以是 numpy 或列表格式,但是当你用 feed_dict 提供它时,它会变成张量对象,
可以通过feed_dict传递,如sess.run([optimizer, cost], feed_dict={x: batch_x, y: batch_y})
一般来说,你有数据x
和标签y
并且您想使用 x
来训练您的网络并根据 y
计算损失(或成本) ,现在训练,你不需要喂整个x
网络,但相反,我们划分 x
到名为 batch
的部件然后,选择每个 batch
并训练网络(因此每个batch
都有batch_x
用于数据,batch_y
用于标签),然后转到下一个batch
.
关于python - 如何使用Tensorflow输入整数向量,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43503886/