Question

我正在学习第一次机器学习练习。

这是月温的预测系统。

train_t具有温度，train_x具有每个数据的权重。

但是我有一个问题，即初始化train_x

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
from pprint import pprint 

x = tf.placeholder(tf.float32,[None,5])
w = tf.Variable(tf.zeros([5,1]))

y = tf.matmul(x,w)
t = tf.placeholder(tf.float32,[None,1])

loss = tf.reduce_sum(tf.square(y-t))
train_step = tf.train.AdamOptimizer().minimize(loss)

sess = tf.Session()
sess.run(tf.initialize_all_variables())

train_t = np.array([5.2,5.7,8.6,14.9,18.2,20.4,25.5,26.4,22.8,17.5,11.1,6.6]) #montly temperature
train_t = train_t.reshape([12,1])
train_x = np.zeros([12,5])

for row, month in enumerate(range(1,13)):
    for col, n in enumerate(range(0,5)):
        train_x[row][col] = month**n ## why initialize like this??


i = 0
for _ in range(10000):
    i += 1
    sess.run(train_step,feed_dict={x:train_x,t:train_t})
    if i % 1000 == 0:
        loss_val = sess.run(loss,feed_dict={x:train_x,t:train_t})
        print('step : %d,Loss: %f' % (i,loss_val))
        w_val = sess.run(w)
        pprint(w_val)

def predict(x):
    result = 0.0
    for n in range(0,5):
        result += w_val[n][0] * x**n
    return result

fig = plt.figure()
subplot = fig.add_subplot(1,1,1)
subplot.set_xlim(1,12)
subplot.scatter(range(1,13),train_t)
linex = np.linspace(1,12,100)
liney = predict(linex)
subplot.plot(linex, liney)

但是我不明白这里

for row, month in enumerate(range(1,13)): #
    for col, n in enumerate(range(0,5)): #
        train_x[row][col] = month**n  ## why initialize like this??

这是什么意思？我的书中没有对此有任何评论？为什么train_x在这里初始化？

Answer 1

事实上，这段代码：

train_t = np.array([5.2,5.7,8.6,14.9,18.2,20.4,25.5,26.4,22.8,17.5,11.1,6.6]) #montly temperature
train_t = train_t.reshape([12,1])
train_x = np.zeros([12,5])

for row, month in enumerate(range(1,13)):
    for col, n in enumerate(range(0,5)):
        train_x[row][col] = month**n

是否生成了您的数据。它会初始化train_t和train_x，这些数据将被注入placeholders x和t

train_t是一个温度的张量 train_x是每种温度的一种重量。它们构成了数据集。

Answer 2

train_x和train_t都是包含训练数据的数组。在数组train_t中，您拥有模型的目标，而train_x包含模型输入中的功能。

模型的权重（经过培训的权重）为w（代码中唯一的tf.Variable），随机初始化。

您正在训练的模型是线性变量range(0, 5)的4阶（最大month）多项式，其范围为range(1, 13)。剪切的代码从线性变量month开始生成4次多项式的特征。

Tensorflow练习y = xw如何初始化向量x？

2 个答案: