在Tensorflow v1.2.1中使用汇总时InvalidArgumentError

Question

我写了一个简单的代码来尝试Tensorflow汇总功能。代码如下。

import tensorflow as tf 
import numpy as np 

graph = tf.Graph() 


with graph.as_default(): 
    x = tf.placeholder(tf.float32, [1, 2], name='x') 
    W = tf.ones([2, 1], tf.float32, name='W') 
    b = tf.constant([1.5], dtype=tf.float32, shape=(1, 1), name='bias') 
    y_ = tf.add(tf.matmul(x, W, name='mul'), b, name='add') 
tf.summary.scalar('y', y_) 

with tf.Session(graph=graph) as session: 
    merged = tf.summary.merge_all() 
    fw = tf.summary.FileWriter("/tmp/tensorflow/logs", graph=graph) 

    tf.global_variables_initializer().run() 
    x_var = np.array([1., 1.], np.float32).reshape([1, 2]) 
    print(x_var) 
    summary, y = session.run([merged, y_], feed_dict={x: x_var}) 
    fw.add_summary(summary, 0) 
    print(y) 

    fw.close() 

基本上，它试图实施y=Wx + b。

该代码的作品，如果我删除所有摘要相关的代码。但是，如果我添加总结相关的代码，我得到了以下错误：

InvalidArgumentError (see above for traceback): tags and values not the same shape: [] != [1,1] (tag 'y') 
    [[Node: y = ScalarSummary[T=DT_FLOAT, _device="/job:localhost/replica:0/task:0/cpu:0"](y/tags, add)]] 

我试图在正常Python和IPython中。

Answer 1

标签和值的形状不一样。你传递的是x_var这是一个向量，而summary需要一个标量值。你可以简单地使用tf.reduce_mean来解决这个问题：

with graph.as_default(): 
    x = tf.placeholder(tf.float32, [None, 2], name='x') 
    W = tf.ones([2, 1], tf.float32, name='W') 
    b = tf.constant([1.5], dtype=tf.float32, shape=(1, 1), name='bias') 
    y_ = tf.add(tf.matmul(x, W, name='mul'), b, name='add') 
    tf.summary.scalar('y', tf.reduce_mean(y_)) 

这将创建一个标量值。