如何为张量流建模数据？答案

【问题标题】：How to model data for tensorflow?如何为张量流建模数据？
【发布时间】：2017-10-15 04:15:33
【问题描述】：

我有以下形式的数据：

A   B   C   D   E   F   G
1   0   0   1   0   0   1
1   0   0   1   0   0   1
1   0   0   1   0   1   0
1   0   1   0   1   0   0
...               
1   0   1   0   1   0   0
0   1   1   0   0   0   1
0   1   1   0   0   0   1
0   1   0   1   1   0   0
0   1   0   1   1   0   0

A,B,C,D 是我的输入，E,F,G 是我的输出。我使用 TensorFlow 在 Python 中编写了以下代码：

from __future__ import print_function
#from random import randint

import numpy as np
import tflearn
import pandas as pd


data,labels =tflearn.data_utils.load_csv('dummy_data.csv',target_column=-1,categorical_labels=False, n_classes=None)

 print(data)
 # Build neural network
 net = tflearn.input_data(shape=[None, 4])
 net = tflearn.fully_connected(net, 8)
 net = tflearn.fully_connected(net, 8)
 net = tflearn.fully_connected(net, 3, activation='softmax')
 net = tflearn.regression(net)

 # Define model
 model = tflearn.DNN(net)
 #Start training (apply gradient descent algorithm)
 data_to_array = np.asarray(data)
 print(data_to_array.shape)
 #data_to_array= data_to_array.reshape(6,9)
 print(data_to_array.shape)
 model.fit(data_to_array, labels, n_epoch=10, batch_size=3, show_metric=True)

我收到一条错误消息：

ValueError: 无法为张量 'InputData/X:0' 提供形状 (3, 6) 的值，其形状为 '(?, 4)'

我猜这是因为我的输入数据有 7 列 (0...6)，但我希望输入层仅将前四列作为输入，并预测数据中的最后 3 列作为输出。我该如何建模？

【问题讨论】：

标签： python python-3.x tensorflow neural-network tensor

【解决方案1】：

如果数据是 numpy 格式，那么前 4 列将采用简单的切片：

data[:,0:4]

: 表示“所有行”，0:4 是值的范围 0,1,2,3，前 4 列。

如果数据不是 numpy 格式，只需将其转换为 numpy 格式，以便您轻松切片。

这里有一篇关于 numpy 切片的相关文章：Numpy - slicing 2d row or column vector from array

【讨论】：

但是，我在哪里输入最后 3 列（E、F、G），它们是我的输出？
你当然也需要为你的标签声明一个输入。