【奔跑吧小牛】机器学习+tensorflow学习笔记(二)(定义输入和输出)

为什么把定义输入和输出放在开始讲,是因为在开始编程前,脑海中要明确我们构造的这张网络的输入和输出是什么。 至于中间采用什么网络,采用什么学习算法,都是为了输入和输出服务的。

对tensorflow而言,输入和输出都为一个张量,可以简单理解为一个多维数组。

以minist数字识别为例,一张图片的像素为28*28,即输入为768个节点,输出结果为0-9的10个数字,即输出有10个节点。单条条输入数据的张量为[768],输出数据的张量为[10]

在实际应用中,学习数据和结果数据往往是大量的而且没有具体个数限制的,为此tensorflow提供placeholder机制来提供输入数据,具体写法如下:

定义输入张量:
x = tf.placeholder(tf.float32,shape=(None,784))
定义输出张量:

y_ = tf.placeholder(tf.float32,shape=(None,10))

其中tf.placeholder为关键字,第一个参数为张量里的数据类型,shape为指定张量的维度,第一个维度固定用None来指定输入和输出数据的条数,None后面的维度和单条输入和输出数据的维度一致。







                
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值