关于神经网络print变量输出问题

最新推荐文章于 2024-04-21 09:30:57 发布

evbon

最新推荐文章于 2024-04-21 09:30:57 发布

阅读量228

点赞数

文章标签：神经网络 tensorflow 深度学习

本文链接：https://blog.csdn.net/rainbow_and_cat/article/details/127338151

版权

在进行深度学习的神经网络训练时，遇到一个变量train在图中输出为None的情况，寻求解决办法。

摘要由CSDN通过智能技术生成

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
           #解决v1版本和v2版本不兼容的问题


x1=tf.placeholder(dtype=tf.float32)
x2=tf.placeholder(dtype=tf.float32)         #可以利用向量（列表）储存数据简化代码
x3=tf.placeholder(dtype=tf.float32)
yTrain=tf.placeholder(dtype=tf.float32)
w1=tf.Variable(0.1,dtype=tf.float32)
w2=tf.Variable(0.1,dtype=tf.float32)
w3=tf.Variable(0.1,dtype=tf.float32)

n1=x1*w1
n2=x2*w2
n3=x3*w3

y=n1+n2+n3

loss=tf.abs(y-yTrain)       

optimizer=tf.train.RMSPropOptimizer(0.001)     #选择RMSProp优化器 0.001为学习率

train=optimizer.minimize(loss)          #通过optimizer最小化loss变量

sess=tf.Session()

init = tf.compat.v1.global_variables_initializer()
sess.run(init)

for i in  range(1000):
    result=sess.run([train,x1,x2,x3,w1,w2,w3,y,yTrain,loss],feed_dict={x1:90,x2:80,x3:70,yTrain:85})
    print(result)
    result=sess.ru