如何使用Tensorflow时间系列获得新的期望

Question

我从Rob Romijnders work on GitHub下载了这段代码，它展示了如何训练和评估时间序列数据。你知道吗

我尝试使用经过训练的模型通过以下代码获得新的期望：

 y_result = tf.nn.softmax(tf.matmul(x,h_fc2) + b_fc2)

然后我用另一部分的代码来预测结果：

result_classes = sess.run(y_result, feed_dict={x: flat_pixels,keep_prob: 1.0})

但出现了以下错误：

InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'Placeholder_1' with dtype bool
 [[Node: Placeholder_1 = Placeholder[dtype=DT_BOOL, shape=[], _device="/job:localhost/replica:0/task:0/cpu:0"]()]]

问题是 如何预测我的新期望？为什么会出现错误？如何解决这个问题？

我认为这是一个关于如何使用TensorflowAPI、框架、训练模型拨号的问题。你知道吗

Answer 1

错误是自爆的-您没有提供必需的布尔值。对于这个代码，它是bn_train，它表示是否训练批处理规范。将它添加到feed dict中，就像在您使用的代码中传递它一样。你知道吗

第二部分是：

y_result = tf.nn.softmax(tf.matmul(x,h_fc2) + b_fc2)

毫无意义，你要求你的模型将数据（x）乘以最后一层，那么之前所有的呢？你知道吗

预测应该是可能的

prediction = tf.argmax(h_fc2,1)

训练之后

sess.run(prediction, feed_dict={x: flat_pixels,keep_prob: 1.0, bn_train: False})