定义输入,参数和其他变量
在我们使用 TensorFlow 构建和训练回归模型之前,让我们定义一些重要的变量和操作。我们从X_train
和y_train
中找出输出和输入变量的数量,然后使用这些数字来定义x
(x_tensor
),y
(y_tensor
),权重(w
)和偏置(b
):
num_outputs = y_train.shape[1]
num_inputs = X_train.shape[1]
x_tensor = tf.placeholder(dtype=tf.float32,
shape=[None, num_inputs],
name="x")
y_tensor = tf.placeholder(dtype=tf.float32,
shape=[None, num_outputs],
name="y")
w = tf.Variable(tf.zeros([num_inputs,num_outputs]),
dtype=tf.float32,
name="w")
b = tf.Variable(tf.zeros([num_outputs]),
dtype=tf.float32,
name="b")
x_tensor
被定义为具有可变行和num_inputs
列的形状,并且在我们的示例中列数仅为 1y_tensor
定义为具有可变行和num_outputs
列的形状,列数在我们的示例中只有一个w
被定义为维度num_inputs
xnum_outputs
的变量,在我们的例子中是 1 x 1b
被定义为维度num_outputs
的变量,在我们的例子中是一个