Tensorflow session.run饲料字典机制

Question

所以我对张量流是新的，我的错误是，我在喂养 对train_neural_network（x）x无效的参数。

我想要做的是4999次迭代，输入一个[1,400]数组是 图片的位值。所以输入4999张照片。我用 scipy.io作为矩阵而不是张量读取图像。

我对如何使用占位符以及我的代码通常有什么问题感到困惑。因为我提供x和y的占位符，不应该输入x到train_neural_network（x）是占位符值吗？

X = tf.placeholder（ '浮动'，[1400]） Y = tf.placeholder（ '浮动'，[1,10]）

DEF neural_network_model（数据）：

hidden_layer1 =  {'weights':tf.Variable(tf.random_normal([400,n_nodes_hl1])), 
        'biases':tf.Variable(tf.random_normal(n_nodes_hl1))} 

    hidden_layer2 = {'weights':tf.Variable(tf.random_normal([n_nodes_hl1,n_nodes_hl2])), 
        'biases':tf.Variable(tf.random_normal(n_nodes_hl2))} 

    hidden_layer3 = {'weights':tf.Variable(tf.random_normal([n_nodes_hl2,n_nodes_hl3])), 
        'biases':tf.Variable(tf.random_normal(n_nodes_hl3))} 

    output_layer = {'weights':tf.Variable(tf.random_normal([n_nodes_hl3,n_classes])), 
        'biases':tf.Variable(tf.random_normal([n_classes]))} 

    #(input * weights) + biases 

    l1 = tf.add(tf.matmul(data, hidden_layer1['weights']),hidden_layer1['biases']) 
    l1 = tf.nn.relu(l1) 

    l2 = tf.add(tf.matmul(l1, hidden_layer2['weights']),hidden_layer2['biases']) 
    l2 = tf.nn.relu(l2) 

    l3 = tf.add(tf.matmul(l2, hidden_layer3['weights']),hidden_layer3['biases']) 
    l3 = tf.nn.relu(l3) 

    output = tf.add(tf.matmul(l3, output_layer['weights']),output_layer['biases']) 

    return output 

高清train_neural_network（X）：

prediction = neural_network_model(x) 
    cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(prediction,y)) 
    optimizer = tf.train.AdamOptimizer().minimize(cost) 

    hm_epochs = 4999 

    with tf.Session() as sess: 
     sess.run(tf.initialize_all_variables()) 

     for epoch in range(hm_epochs): 

      sess.run([optimizer,cost], feed_dict = {x: input_X[epoch], y: encoded_y[epoch]}) 
      print('Epoch',epoch,'completed out of', hm_epochs) 

实际的错误是这样的：

％运行“/ US ERS/JaeWoo /桌面/研究/ tensorpractice/DeepNeural.py”

train_neural_network（X）

W¯¯tensorflow /核心/框架/ op_kernel.cc：940]参数无效：形状必须{INT32的矢量，int64}，got shape []

W tensorflow/core/framework/op_kernel.cc：940]无效参数：shape必须是{int32，int64}的向量，得到shape [] ...重复for几次

InvalidArgumentError回溯（最近的最后一次呼叫）

在（）

----> 1个train_neural_network（x）的

/Users/JaeWoo/Desktop/research/tensorpractice/DeepNeural.py在

train_neural_network（X）

67 
68   with tf.Session() as sess: 

---> 69 sess.run（tf.initialize_all_variables（）） 71在范围历元（hm_epochs）：

Answer 1

我认为错误是你如何定义tf.placeholder。试试这个

x = tf.placeholder(tf.float32,shape=[1,400]) 

，如果你正在处理批次您可能还需要定义它像这样

x = tf.placeholder(tf.float32,shape=[None,400])