Question

我正在尝试构建一个神经网络，将3d网格的顶点位置作为输入，并输出内部两点的坐标。

出于测试目的，我有一个数据集，其中包含一个20个点的几何，内部有两个点。

数据集的每个文件都包含排名2中顶点的坐标，其中objs为shape [3,20]数组，结果点为shape [3,3]。

我已经构建了一个线性模型，但结果总是非常低（0,16），如果我用1000,1.00000或500.000

训练它并不重要

import tensorflow as tf
import numpy as np

objList    = np.load('../testFullTensors/objsArray_00.npy')
guideList  = np.load('..testFullTensors/drvsArray_00.npy')


x  = tf.placeholder(tf.float32, shape=[None, 60])
y_ = tf.placeholder(tf.float32, shape=[None, 6])

W = tf.Variable(tf.zeros([60,6],tf.float32))
b = tf.Variable(tf.zeros([6],tf.float32))

y = tf.matmul(x,W) + b

cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=y_, logits=y))

train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    train_step.run(feed_dict={x: objList, y_: guideList})
    correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
    accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
    sess.run(tf.global_variables_initializer())
    print accuracy.eval(session=sess , feed_dict={x: objs, y_: guides})`

我应该建立一种不同类型的网络吗？

由于 ë

以3d网格为输入的张量流神经网络

0 个答案: