我该如何解决这个问题?这是我第一次参加Tensortflow。我尝试从tensortflow教程复制训练和评估模型,但它似乎不起作用。有人可以帮我解决我的问题吗?谢谢!
import tensorflow as tf
sess = tf.InteractiveSession()
import numpy as np
from numpy import genfromtxt
def weight_variable(shape):
initial = tf.truncated_normal(shape, stddev=0.1)
return tf.Variable(initial)
def bias_variable(shape):
initial = tf.constant(0.1, shape=shape)
return tf.Variable(initial)
def conv2d(x, W):
return tf.nn.conv2d(x, W, strides=[1, 1, 3*3, 1], padding='VALID')
data = genfromtxt('circle_deeplearn_data_small.txt',delimiter=',')
out = genfromtxt('circle_deeplearn_output_small.txt',delimiter=',')
x = tf.placeholder(tf.float32, shape =[None, 3*3*15]) # size of x
y_ = tf.placeholder(tf.float32, shape =[None, 1]) # size of output
W_conv1 = weight_variable([1,3*3,1,15])
b_conv1 = bias_variable([15])
x_image = tf.reshape(x,[-1,1,3*3*15,1])
h_conv1 = tf.nn.relu(conv2d(x_image,W_conv1) + b_conv1)
W_fc1 = weight_variable([1 * 1 * 15 , 1])
b_fc1 = bias_variable([1])
h_conv1_flat = tf.reshape(h_conv1 , [-1,1 * 1 * 15])
h_fc1 = tf.nn.relu(tf.matmul(h_conv1_flat , W_fc1) + b_fc1)
y_conv = h_fc1
keep_prob = tf.placeholder(tf.float32)
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)
#Adam
cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(y_conv, y_))
train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)
correct_prediction = tf.equal(tf.argmax(y_conv,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
#sess.run(tf.global_variables_initializer())
sess.run(tf.initialize_all_variables())
for i in range(20000):
batch = data.train.next_batch(50)
if i%100 == 0:
train_accuracy = accuracy.eval(feed_dict={x:batch[0], y_: batch[1], keep_prob: 1.0})
print("step %d, training accuracy %g"%(i, train_accuracy))
train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5})
print("test accuracy %g"%accuracy.eval(feed_dict={x: data, y_: out, keep_prob: 1.0}))
结果是:
AttributeError: 'numpy.ndarray' object has no attribute 'train'
答案 0 :(得分:3)
这里data
只是一个numpy数组。您可能需要编写自己的火车数据迭代器
答案 1 :(得分:1)
我遇到了同样的问题。实际上,这不是问题。从字面上看,我不知道数据的结构,这就是我遇到这个问题的原因。来自tensorflow
lib的数据集被压缩到一个文件中,并以train, test
和validation
集的形式在文件中分离。这就是为什么当我们调用dataset.train.next_batch()
时它确实起作用。您自己的数据集没有以无法压缩的相同方式进行压缩。您必须以自己的方式配置数据集,从而进行批处理系统和循环。
答案 2 :(得分:0)
您可以尝试使用numpy.reshape将数据从2维转换为3维。 例如,如果您有20个样本和100个特征,那么(20,100)数据矩阵并使用5的小批量大小。然后您可以使用np.reshape(data,[10,5,-1])重新形成( 10,5,40)矩阵。
*" -1"意味着你留下numpy为你计算数组,数组的总数是20,000。 因此,在这个例子中:10 * 5 * 40 = 20,000。