'numpy.ndarray' объект не имеет атрибута 'train'

Question

как я могу это решить? это мой первый раз для Tensortflow. Я пытаюсь скопировать «Поезд» и «Оценить модель» из учебника «Тенортоунт», но, похоже, он не работает. Может ли кто-нибудь помочь мне решить мою проблему? Благодаря!

http://pastebin.com/NCQKNyKy

import tensorflow as tf 
sess = tf.InteractiveSession() 

import numpy as np 
from numpy import genfromtxt 

def weight_variable(shape): 
    initial = tf.truncated_normal(shape, stddev=0.1) 
    return tf.Variable(initial) 

def bias_variable(shape): 
    initial = tf.constant(0.1, shape=shape) 
    return tf.Variable(initial) 

def conv2d(x, W): 
    return tf.nn.conv2d(x, W, strides=[1, 1, 3*3, 1], padding='VALID') 


data = genfromtxt('circle_deeplearn_data_small.txt',delimiter=',') 
out = genfromtxt('circle_deeplearn_output_small.txt',delimiter=',') 

x = tf.placeholder(tf.float32, shape =[None, 3*3*15]) # size of x 
y_ = tf.placeholder(tf.float32, shape =[None, 1]) # size of output 




W_conv1 = weight_variable([1,3*3,1,15]) 
b_conv1 = bias_variable([15]) 

x_image = tf.reshape(x,[-1,1,3*3*15,1]) 

h_conv1 = tf.nn.relu(conv2d(x_image,W_conv1) + b_conv1) 


W_fc1 = weight_variable([1 * 1 * 15 , 1]) 
b_fc1 = bias_variable([1]) 

h_conv1_flat = tf.reshape(h_conv1 , [-1,1 * 1 * 15]) 
h_fc1 = tf.nn.relu(tf.matmul(h_conv1_flat , W_fc1) + b_fc1) 
y_conv = h_fc1 
keep_prob = tf.placeholder(tf.float32) 
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob) 



#Adam 

cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(y_conv, y_)) 
train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy) 
correct_prediction = tf.equal(tf.argmax(y_conv,1), tf.argmax(y_,1)) 
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) 
#sess.run(tf.global_variables_initializer())  
sess.run(tf.initialize_all_variables()) 
for i in range(20000): 
    batch = data.train.next_batch(50) 
    if i%100 == 0: 
     train_accuracy = accuracy.eval(feed_dict={x:batch[0], y_: batch[1], keep_prob: 1.0}) 
     print("step %d, training accuracy %g"%(i, train_accuracy)) 
    train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5}) 
print("test accuracy %g"%accuracy.eval(feed_dict={x: data, y_: out, keep_prob: 1.0})) 

Это результат:

AttributeError: 'numpy.ndarray' object has no attribute 'train' 

Answer 1

Это не совсем понятно, что вы пытаетесь сделать. Проблема возникает потому, что данные представляют собой NumPy массив генерируется в этой строке

data = genfromtxt('circle_deeplearn_data_small.txt',delimiter=',') 

ошибка возникает при попытке использовать метод поезд данных, который не существует, в следующей строке

batch = data.train.next_batch(50) 

Вместо этого вам нужно подавать данные в тензорный поток.

Answer 2

здесь data - всего лишь массивный массив. Возможно, вам потребуется написать ur собственный данные о данных поезда

Answer 3

Вы можете попытаться использовать numpy.reshape, чтобы превратить ваши данные из 2-х измерений в 3 измерения. Например, если у вас было 20 образцов и 100 функций, поэтому (20,100) матрица данных использовала размер мини-бара 5. Затем вы можете изменить форму с помощью np.reshape (data, [10,5, -1]), чтобы получить (10, 5, 40).

* «-1» означает, что вы оставите numpy для подсчета массива для вашего, общее количество массивов - 20 000. Таким образом, в этом примере: 10 * 5 * 40 = 20 000.