InvalidArgumentError：您必须为占位符张量占位符提供值

3 回答

• 3

  为了有意义地回答这个问题，我必须回到tensorflow如何设计工作

  Graphs
  Tensorflow中的图形只是计算将采用的 Map /路径 . 它不包含任何值，也不执行任何操作 .

  Session
  另一方面，会话需要图形，数据和运行时间来执行 . 图形和会话的这个概念让TensorFolow将流定义或模型与实际计算运行时分开 .

  Separating the run-time from flow graph
  这很可能是为了将图形定义与运行时配置和实际执行数据分开 . 例如，运行时可以在群集上 . 因此，集群中的每个执行运行时都需要具有相同的图形定义 . 但是每个运行时可能在执行过程中本地具有不同的数据集 . 因此，在群集中的分布式执行期间提供输入和输出数据非常重要 .

  Why Placeholders and Not Variables
  占位符充当图形的输入/输出管道 . 如果将图形可视化为多个节点 - 占位符是输入或输出节点 .

  真正的问题是为什么TensorFlow不为I / O节点使用正常变量？为什么还有其他类型？

  在训练过程中（当程序在会话中执行时），需要确保使用实际值来训练模型 . 基本上，训练过程中的 feed_dict 只接受实际值，例如一个Numpy ndarry . 这些实际值不能由TensorFlow变量提供，因为除非使用eval（）或session.run（），否则Tensorflow变量没有数据 . 但是，训练语句本身是session.run（）函数的一部分 - 因此它不能在其中使用另一个session.run（）来将张量变量解析为数据 . 到目前为止，session.run（）已经必须绑定到特定的运行时配置和数据 .

  回复于 2024-04-20T01:24:01+08:00
• 1

  你没有正确地喂食字典 . 您需要将字典设置为占位符的名称 . 我还添加了一个名称，您可以使用“xmat_1_plh”作为名称，但我更喜欢添加自己的名称 . 我还认为你在my_matmult2（）函数中有一些额外的行 . x_mat_1 / 2我不认为增加太多，但可能不会受到伤害（通过在图表中添加另一个OP可能会有一点性能 .

  def my_matmult2(mat_1, mat_2):
   #define session
   x_sess1 = tf.Session()
  
   with x_sess1:
      #initialize placeholders
      xmat_1_plh = tf.placeholder(dtype=mat_1.dtype, shape=mat_1.shape, name ="xmat1")
      xmat_2_plh = tf.placeholder(dtype=mat_2.dtype, shape=mat_2.shape, name ="xmat2")  
  
      #create variables
      x_mat_1 = tf.Variable(xmat_1_plh, trainable = False)
      x_mat_2 = tf.Variable(xmat_2_plh, trainable = False)
  
      x_sess1.run(tf.initialize_all_variables())
  
      #
      r1 = tf.matmul(xmat_1, xmat_2)
      qq1 = x_sess1.run(r1, feed_dic={xmat1: mat_1, xmat2: mat_2})
  
   return qq1
  

  我不确定这个函数的最终目标是什么，但是你在图中创建节点 . 因此，您可能希望将“.run（）”语句从此函数中移出（到您希望主动乘以2矩阵的位置），因为如果您只是在寻找，您不应该在循环中调用它一种乘以2矩阵的方法 .

  如果这是对my_matmult2（）的单个测试/调用，那么您应该使用对字典的更正 .

  回复于 2024-04-20T01:24:01+08:00
• 1

  如果在创建占位符后删除 tf.Variable() 行（并相应地修改了fed变量的名称），则代码应该有效 .

  占位符用于您希望为模型提供的变量 . 变量用于模型的参数（如权重） .

  因此，您正确创建了两个占位符，但随后您无缘无故地创建了其他变量，这可能会在Tensorflow图中出现问题 .

  该功能看起来像：

  import tensorflow as tf
  import numpy as np
  
  def my_matmult2(mat_1, mat_2):
      #define session
      x_sess1=tf.Session()
  
      with x_sess1:
          #initialize placeholders
          xmat_1_plh = tf.placeholder(dtype=mat_1.dtype, shape=mat_1.shape)
          xmat_2_plh = tf.placeholder(dtype=mat_2.dtype, shape=mat_2.shape)  
  
          r1 = tf.matmul(xmat_1_plh, xmat_2_plh)
  
          x_sess1.run(tf.initialize_all_variables())
  
          #
  
          qq1 = x_sess1.run(r1, feed_dict={xmat_1_plh: mat_1 , xmat_2_plh: mat_2})
  
      return qq1 
  
  mat_1=np.ones((5,5))
  mat_2=np.ones((5,5))
  
  b=my_matmult2(mat_1,mat_2)
  print b
  

  回复于 2024-04-20T01:24:01+08:00