質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.48%

  • Python

    12205questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • TensorFlow

    947questions

tensorflow shapeの整え方をお尋ねしたいです。csvのデータ形式

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 1,253

zakio49

score 21

tensorflowで12個の要素から学習を行い、restoreを行い実践データをセットした際に1×12の行列ではなくて、shape[1]のスカラー値を要求されエラーになります。shape[1]という要求は読み込みデータを

今のcsv
rank 1 shape [1,12]

[ 0.71428573,  0.85714287,  0.71428573,  0.5714286 ,  0.5714286 ,
        0.71428573,  0.5714286 ,  0.71428573,  0.71428573,  0.71428573,
        0.5714286 ,  0.71428573]

` こう変えることでshape[12,1,1] shape[1]という要求を満たせるですか? お知恵を貸してください!

[ [0.71428573],  [0.85714287],  [0.71428573],  [0.5714286] ,  [0.5714286] ,
        [0.71428573],  [0.5714286] ,  [0.71428573],  [0.71428573],  [0.71428573],
        [0.5714286] ,  [0.71428573]]

`

ValueError: Argument must be a dense tensor: [array([ 0.71428573,  0.85714287,  0.71428573,  0.5714286 ,  0.5714286 ,
        0.71428573,  0.5714286 ,  0.71428573,  0.71428573,  0.71428573,
        0.5714286 ,  0.71428573], dtype=float32)] - got shape [1, 12], but wanted [1].

` その他のコード(問題なのはsession2のほうです)

import tensorflow as tf
import numpy
import os

cwd = os.getcwd()

SCORE_SIZE = 12
HIDDEN_UNIT_SIZE = 40
TRAIN_DATA_SIZE = 45
TACK = 1
raw_input = numpy.loadtxt(open("test.csv"), delimiter=",")
[tensor, score]  = numpy.hsplit(raw_input, [1])
[tensor_train, tensor_test] = numpy.vsplit(tensor, [TRAIN_DATA_SIZE])
[score_train, score_test] = numpy.vsplit(score, [TRAIN_DATA_SIZE])
print(score_test)
#tensorは正解データtrainは学習モデル、scoreは学習データ、testは実データ

def inference(score_placeholder):
  with tf.name_scope('hidden1') as scope:
    hidden1_weight = tf.Variable(tf.truncated_normal([SCORE_SIZE, HIDDEN_UNIT_SIZE], stddev=0.01), name="hidden1_weight")
    hidden1_bias = tf.Variable(tf.constant(0.1, shape=[HIDDEN_UNIT_SIZE]), name="hidden1_bias")
    hidden1_output = tf.nn.relu(tf.matmul(score_placeholder, hidden1_weight) + hidden1_bias)
  with tf.name_scope('output') as scope:
    output_weight = tf.Variable(tf.truncated_normal([HIDDEN_UNIT_SIZE, 1], stddev=0.01), name="output_weight")
    output_bias = tf.Variable(tf.constant(0.1, shape=[1]), name="output_bias")
    output = tf.matmul(hidden1_output, output_weight) + output_bias
  if TACK != 1:
    print("saku1")
    print(output)
  else:
    print("saku2")

    return tf.nn.l2_normalize(output, 0)

def loss(output, tensor_placeholder, loss_label_placeholder):
  with tf.name_scope('loss') as scope:
    loss = tf.nn.l2_loss(output - tf.nn.l2_normalize(tensor_placeholder, 0))
    tf.summary.scalar('loss_label_placeholder', loss)
  return loss

def training(loss):
  with tf.name_scope('training') as scope:
    train_step = tf.train.GradientDescentOptimizer(0.01).minimize(loss)
  return train_step



with tf.Graph().as_default():
  tensor_placeholder = tf.placeholder(tf.float32, [None, 1], name="tensor_placeholder")
  score_placeholder = tf.placeholder(tf.float32, [None, SCORE_SIZE], name="score_placeholder")
  loss_label_placeholder = tf.placeholder("string", name="loss_label_placeholder")

  feed_dict_train={
    tensor_placeholder: tensor_train,
    score_placeholder: score_train,
    loss_label_placeholder: "loss_train"
  }

  feed_dict_test={
    tensor_placeholder: tensor_test,
    score_placeholder: score_test,
    loss_label_placeholder: "loss_test"
  }

  output = inference(score_placeholder)
  loss = loss(output, tensor_placeholder, loss_label_placeholder)
  training_op = training(loss)
  summary_op =  tf.summary.merge_all()
  init = tf.global_variables_initializer()
  best_loss = float("inf")

  with tf.Session() as sess:
    summary_writer = tf.summary.FileWriter('data', graph_def=sess.graph_def)
    sess.run(init)
    for step in range(10000):
      sess.run(training_op, feed_dict=feed_dict_train)
      loss_test = sess.run(loss, feed_dict=feed_dict_test)
      if loss_test < best_loss:
        best_loss = loss_test
        best_match = sess.run(output, feed_dict=feed_dict_test)
      #if step % 100 == 0:
      #  summary_str = sess.run(summary_op, feed_dict=feed_dict_test)
      #  summary_str += sess.run(summary_op, feed_dict=feed_dict_train)
      #  summary_writer.add_summary(summary_str, step)

    saver=tf.train.Saver()   
    saver.save(sess,cwd+'/model.ckpt')
    print(cwd)
    print(best_match)  
    print('Saved a model.')
    sess.close()

  with tf.Session() as sess2:
  #変数の読み込み
    summary_writer = tf.summary.FileWriter('data', graph=sess2.graph)
    #sess2.run(init)
  #新しいデータ
    TRAIN_DATA_SIZE2 = 0
    test2 = numpy.loadtxt(open("one_record.csv"), delimiter=",").astype(numpy.float32)
    score3 = [test2]
    print(score3)
    saver = tf.train.Saver()
    cwd = os.getcwd()
    saver.restore(sess2,cwd + "/model.ckpt")
    best_match2 = sess2.run(inference(score3))
    print(best_match2)
    print("fin")
    sess2.close()
  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

0

shape を調整してあげる必要があるかもですが、、、
こんな感じでしょうね。

# best_match2 = sess2.run(inference(score3))
best_match2 = sess2.run(output, feed_dict={score_placeholder: test2})

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2017/07/12 11:34

    output = inference(score_placeholder)に一度いれるとinference()の返り値がoutputに入るので、session内ではinferenceが実行されていないことがわかりました。
    (output, feed_dict={score_placeholder:[test2]})の記法でsessionを始めないといけないみたいですね。
    うまく実行することができました。ありがとうございます。

    キャンセル

同じタグがついた質問を見る

  • Python

    12205questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • TensorFlow

    947questions