如何使用 Tensorflow 输入整数向量

Question

我正在实现一种神经网络，特别是多层感知器来检测几个句子的语言。特别是，我在 Python 3.X 中使用 Tensorflow。

以前，我用 10 种语言的几个句子构建了一个 2-gram 文件。 2-gram 文件用作我的神经网络的输入。例如，像“我喜欢足球”这样的句子可能是 ['1','15','3',...,'30']。

作为教程，我关注the next。

该示例使用的是 MINST，您可以在导入部分看到：

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

我的问题是，如何将这个向量传递给我的神经网络？

在示例中，我可以看到以下语句：

batch_x, batch_y = mnist.train.next_batch(batch_size)

还有，这另一个：

_, c = sess.run([optimizer, cost], feed_dict={x: batch_x, y: batch_y})

那里，很难理解，因为我不知道batch_x和batch_y的类型。

Answer 1

它们可以是 numpy 或列表格式，但是当你用 feed_dict 喂它时，它会变成张量对象，

你可以通过 feed_dict 传递它，如sess.run([optimizer, cost], feed_dict={x: batch_x, y: batch_y})

一般来说，你有数据x 和标签y，你想用x 训练你的网络并根据y 计算损失（或成本），现在进行训练，你不需要喂整个x 到网络，但是，我们将x 划分为称为batch 的部分，然后选择每个batch 并训练网络（因此每个batch 具有batch_x 用于数据和batch_y 用于标签)，然后转到下一个batch。