即编写神经网络预测代码

Question

predict.csv：

AlAin,Y1,Y2,Y3,Y4,Y5,Y6,K,1,2,3,4,5,6,d
1,0,0,1,0,0,0,0,0,0,1,0,0,0,1

人工神经网络预测部分的代码：

with tf.Session() as sess:
    predictdataset=pd.read_csv('predict.csv')
    y_predict=(sess.run(tf.argmax(y4.eval(feed_dict={x:[predictdataset]}),1)))
    print(y_predict)

我得到一个'KeyError: 0‘错误。

以前的训练和测试代码

x=tf.placeholder(tf.float32，None,15) y=tf.placeholder(tf.float32，None，1)

layer_1=128
layer_2=64
layer_3=32
layer_out=1

weight_1 = tf.Variable(tf.truncated_normal([15, layer_1], stddev=0.1))
bias_1 = tf.Variable(tf.constant(0.1, shape=[layer_1]))
weight_2 = tf.Variable(tf.truncated_normal([layer_1, layer_2], stddev=0.1))
bias_2 = tf.Variable(tf.constant(0.1, shape=[layer_2]))
weight_3 = tf.Variable(tf.truncated_normal([layer_2, layer_3], stddev=0.1))
bias_3 = tf.Variable(tf.constant(0.1, shape=[layer_3]))

weight_4 = tf.Variable(tf.truncated_normal([layer_3, layer_out], stddev=0.1))
bias_4 = tf.Variable(tf.constant(0.1, shape=[layer_out]))

y1=tf.nn.relu(tf.matmul(x,weight_1)+bias_1)
y2=tf.nn.relu(tf.matmul(y1,weight_2)+bias_2)
y3=tf.nn.relu(tf.matmul(y2,weight_3)+bias_3)
logits=tf.matmul(y3,weight_4)+bias_4

y4=tf.nn.softmax(logits)

xent = tf.nn.softmax_cross_entropy_with_logits(logits=logits, labels=y)
loss = tf.reduce_mean(xent)

correct_prediction = tf.equal(tf.argmax(y4, 1), tf.argmax(y, 1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) # Başarı oranı

optimize = tf.train.AdamOptimizer(0.001). minimize(loss)

sess = tf.Session()
sess.run(tf.global_variables_initializer()) 

Answer 1

我看到了几个非常基本的问题。您可能应该阅读一些TensorFlow教程来解释它的图形计算模型：

在y4.eval(feed_dict={x:[predictdataset]})

• You中，您不能像在y4.eval(feed_dict={x:[predictdataset]})

• TensorFlow操作中那样使用列表作为提要值，您不能像在
• 中那样，将熊猫DataFrame作为张量值。传递可以转换为张量的参数是可以的，但在您的示例中，这几乎与TensorFlow的目的背道而驰。计算张量只是为了将其传递给tf.argmax(y4.eval(feed_dict={x:[predictdataset]}),1))中的tf.argmax。您应该直接传递y4。