简单神经网络的占位符设置答案

【问题标题】：Placeholder settings for a simple neural network简单神经网络的占位符设置
【发布时间】：2017-12-30 17:07:59
【问题描述】：

我的数据是以下CVS文件：

1,0
2,0
3,0
4,0
5,1
6,0
7,1
8,1
9,1
10,1

我想对此进行逻辑回归，第一列为 x，第二列为 y。此外，我想使用 TensorFlow 和一个由单个输入节点和一个输出节点（无隐藏层）组成的简单神经网络来做到这一点。由于我只使用 1 个节点作为输入，1 个节点作为输出，我是否使用

x = tf.placeholder(tf.float32, [None, 1]) 
y = tf.placeholder(tf.float32, [None, 1])

现阶段我对使用批处理不感兴趣，因为我想先了解其他部分。

【问题讨论】：

您是在问是否只需要您列出的两个占位符？
你试过了吗？占位符有任何错误或问题吗？基本上，如果您此时不关心批次，那么x 和y 的更直接的指令是tf.placeholder(tf.float32, [1])。此外，您可以更改整数的浮点数。

标签： tensorflow placeholder logistic-regression

【解决方案1】：

我知道您在哪里感到困惑（如果您知道逻辑回归的工作原理）。
1. 对于这个单维逻辑回归设置，你只需要tf.placeholder(tf.float32, [1])，正如@Eric 提到的。
2. 如果一个占位符设置为[None, dim]的形状，则表示构建网络时未确定数据batch size（对应第一个为None），该数据的维度为dim。 3. 请注意，在 TensorFlow 约定中，批量大小通常首先出现。您将看到它是多么方便——如果您构建多层Wx+b 网络，则无需转置。

【讨论】：