Versuchen, mein erstes Python-Programm zu schreiben. In einem Arbeitsbeispielprogramm (Skript), werden einige Array von Daten wie folgt definiert:So erstellen Sie ein Array in Python
x_data = np.random.rand(100).astype(np.float32)
Und wenn ich später in einer Python-Konsole „x_data“ geben, es gibt
>>> x_data
array([ 0.16771448, 0.55470788, 0.36438608, ..., 0.21685787,
0.14241569, 0.20485006], dtype=float32)
und das Skript funktioniert.
Jetzt möchte ich stattdessen meine eigenen Datensätze verwenden. Ich versuche, eine Aussage wie diese
my_data = [1,2,3,4,5]
und die Verwendung von x_data mit my_data ersetzen, aber dann wird das Programm nicht funktionieren. Ich stelle fest, dass, wenn ich „my_data“ in der Python-Konsole eingeben, es
>>> my_data
[1, 2, 3, 4, 5]
gibt, die die Teile fehlen, die „Matrix“ und „dtype = float32“ sagen. Ich vermute, dass der Unterschied mit dem Problem zusammenhängt.
Wie kann ich einen Datensatz my_data deklarieren, der wie x_data behandelt wird, damit ich meine eigenen Daten in das Programm einspeisen kann?
Ich denke, es ist irrelevant, aber hier ist die vollständige Beispielskript ich aus gestartet (die funktioniert):
import tensorflow as tf
import numpy as np
# Create 100 phony x, y data points in NumPy, y = x * 0.1 + 0.3
x_data = np.random.rand(100).astype(np.float32)
y_data = x_data * 0.1 + 0.3
# Try to find values for W and b that compute y_data = W * x_data + b
# (We know that W should be 0.1 and b 0.3, but TensorFlow will
# figure that out for us.)
W = tf.Variable(tf.random_uniform([1], -1.0, 1.0))
b = tf.Variable(tf.zeros([1]))
y = W * x_data + b
# Minimize the mean squared errors.
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)
# Before starting, initialize the variables. We will 'run' this first.
init = tf.global_variables_initializer()
# Launch the graph.
sess = tf.Session()
sess.run(init)
# Fit the line.
for step in range(201):
sess.run(train)
if step % 20 == 0:
print(step, sess.run(W), sess.run(b))
# Learns best fit is W: [0.1], b: [0.3]
Ich habe immer Matlab und Python vermieden. Ich bin mit C++ aufgewachsen. Danke für die schnelle Hilfe! –