python之你如何在 Tensorflow 中进行预测

我是 tensorflow 的菜鸟。所以我在研究 Xor 问题，我的问题是你如何在 tensorflow 中进行预测。所以当我输入 [1,0] 时，我希望它给我 1 或 0。同样在不同的情况下，如果它是意味着具有多个值(回归量)的模型，例如股票。我该怎么做 谢谢。 到目前为止，我做到了这一点:

import tensorflow as tf 
import numpy as np 
X = tf.placeholder(tf.float32, shape=([4,2]), name = "Input") 
y = tf.placeholder(tf.float32, shape=([4,1]), name = "Output") 
#weights 
W = tf.Variable(tf.random_uniform([2,2], -1,1), name = "weights1") 
w2 = tf.Variable(tf.random_uniform([2,1], -1,1), name = "weights2") 
Biases1 = tf.Variable(tf.zeros([2]), name = "Biases1") 
Biases2 = tf.Variable(tf.zeros([1]), name = "Biases2") 
#Setting up the model 
Node1 = tf.sigmoid(tf.matmul(X, W)+ Biases1) 
Output = tf.sigmoid(tf.matmul(Node1, w2)+ Biases2) 
#Setting up the Cost function 
cost = tf.reduce_mean(((y* tf.log(Output))+  
                       ((1-y)* tf.log(1.0 - Output)))* -1) 
#Now to training and optimizing 
train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cost) 
xorX = np.array([[0,0], [0,1], [1,0], [1,1]]) 
xorY = np.array([[0], [1], [1], [0]]) 
#Now to creating the session 
initial = tf.initialize_all_variables() 
sess = tf.Session() 
sess.run(initial) 
for i in range(100000): 
    sess.run(train_step, feed_dict={X: xorX, y: xorY }) 

请您参考如下方法:

由于您的分类只是 0 当且仅当 Output<0.5 您可以添加新的预测节点:

prediction_op = tf.round(Output) 

然后调用它

print(sess.run(prediction_op, feed_dict={X: np.array([[1., 0.]])}))