J'ai deux ensembles de données, ce qui est comme:Structure de données Divergence tensorflow/TFLearn
input:
array([[[ 0.99309823],
...
[ 0. ]]])
shape : (1, 2501)
output:
array([[0, 0, 0, ..., 0, 0, 1],
...,
[0, 0, 0, ..., 0, 0, 0]])
shape : (2501, 9)
Et je avec TFLearn traitée; comme
input_layer = tflearn.input_data(shape=[None,2501])
hidden1 = tflearn.fully_connected(input_layer,1205,activation='ReLU', regularizer='L2', weight_decay=0.001)
dropout1 = tflearn.dropout(hidden1,0.8)
hidden2 = tflearn.fully_connected(dropout1,1205,activation='ReLU', regularizer='L2', weight_decay=0.001)
dropout2 = tflearn.dropout(hidden2,0.8)
softmax = tflearn.fully_connected(dropout2,9,activation='softmax')
# Regression with SGD
sgd = tflearn.SGD(learning_rate=0.1,lr_decay=0.96, decay_step=1000)
top_k=tflearn.metrics.Top_k(3)
net = tflearn.regression(softmax,optimizer=sgd,metric=top_k,loss='categorical_crossentropy')
model = tflearn.DNN(net)
model.fit(input,output,n_epoch=10,show_metric=True, run_id='dense_model')
Cela fonctionne mais pas la façon dont je veux. C'est un modèle DNN. Je veux que quand j'entre 0,95, le modèle doit me donner la prédiction correspondante par exemple [0,0,0,0,0,0,0,0,1]. Cependant, quand je veux entrer 0.95, il est dit que,
ValueError: Cannot feed value of shape (1,) for Tensor 'InputData/X:0', which has shape '(?, 2501)'
Quand j'ai essayé de comprendre je me rends compte que je dois (1,2501) pour prédire les données en forme pour mon modèle à base de mal.
Ce que je veux, c'est pour chaque élément en entrée, prédire l'élément correspondant en sortie. Comme vous pouvez le voir, dans l'ensemble de données d'instance,
pour [0.99309823], la sortie correspondante est [0,0,0,0,0,0,0,0,1]. Je veux m'entraîner comme ça.
Je peux avoir des données structurées incorrectes, ou un modèle (probablement ensemble de données), j'ai expliqué toutes les choses, j'ai besoin d'aide, je suis vraiment hors de mon esprit.
Vous avez raison, merci rcmalli. –