tr = DataSet([cfg.te_data[0]], cfg)
else:
tr = DataSet([cfg.tr_data[0]], cfg)
tr.avg_correction2(avg_file)
iterations = 10000
loop = cfg.loop
print "input attribute", cfg.att, "LR", cfg.lr, \
'feature', cfg.feature_len, 'add', cfg.add_len
inputs = {}
output = {}
lr = cfg.lr
learning_rate = tf.placeholder(tf.float32, shape=[])
cfg.Nout = cfg.fc_Nout * 2
cfg.Nout = 3
cfg.ref_node = cfg.fc_nodes[0][-1]
cfg.refs = np.ones(cfg.ref_node)
cfg.refs = cfg.refs.reshape((1, cfg.ref_node))
inputs[0] = tf.placeholder(tf.float32, [None, cfg.ref_node])
for a in range(cfg.feature_len):
inputs[a + 1] = tf.placeholder(tf.float32, [None, cfg.att])
input_dic = {}
for a in range(cfg.feature_len + 1):
input_dic['input_{}'.format(a)] = inputs[a]
net = rNet(input_dic)
cfg = Config(config_file)
avg_file = Utils.avg_file_name(cfg.netFile)
if test == 'te':
tr = DataSet([cfg.te_data[0]], cfg, sub_sample=0.1)
else:
tr = DataSet([cfg.tr_data[0]], cfg)
tr.subtract_avg(avg_file, save_im=False)
inputs = {}
output = {}
cfg.Nout = 3
cfg.att = 4
cfg.ref_node = cfg.nodes[0][-1]
cfg.refs = np.ones(cfg.ref_node)
cfg.refs = cfg.refs.reshape((1, cfg.ref_node))
inputs[0] = tf.placeholder(tf.float32, [None, cfg.ref_node])
for a in range(cfg.feature_len):
inputs[a + 1] = tf.placeholder(tf.float32, [None, cfg.att])
input_dic = {}
for a in range(cfg.feature_len + 1):
input_dic['input_{}'.format(a)] = inputs[a]
net = rNet(input_dic)
