道歉，我是Tensorflow的新手 . 我正在开发一个简单的onelayer_perceptron脚本，只需使用Tensorflow获取init参数训练神经网络：
我的编译器抱怨：
您必须使用dtype float为占位符张量'input'提供值
错误发生在这里：
input_tensor = tf.placeholder（tf.float32，[None，n_input]，name =“input”）
请看看到目前为止我做了什么：
1）我初始化我的输入值
n_input = 10 # Number of input neurons
n_hidden_1 = 10 # Number of hidden layers
n_classes = 3 # Out layers
weights = {
'h1': tf.Variable(tf.random_normal([n_input, n_hidden_1])),
'out': tf.Variable(tf.random_normal([n_hidden_1, n_classes]))
}
biases = {
'b1': tf.Variable(tf.random_normal([n_hidden_1])),
'out': tf.Variable(tf.random_normal([n_classes]))
}
2）初始化占位符：
input_tensor = tf.placeholder(tf.float32, [None, n_input], name="input")
output_tensor = tf.placeholder(tf.float32, [None, n_classes], name="output")
3）训练NN
# Construct model
prediction = onelayer_perceptron(input_tensor, weights, biases)
init = tf.global_variables_initializer()
4）这是我的onelayer_perceptron函数，只做典型的NN计算matmul层和权重，添加偏差并使用sigm激活
def onelayer_perceptron(input_tensor, weights, biases):
layer_1_multiplication = tf.matmul(input_tensor, weights['h1'])
layer_1_addition = tf.add(layer_1_multiplication, biases['b1'])
layer_1_activation = tf.nn.sigmoid(layer_1_addition)
out_layer_multiplication = tf.matmul(layer_1_activation, weights['out'])
out_layer_addition = out_layer_multiplication + biases['out']
return out_layer_addition
5）运行我的脚本
with tf.Session() as sess:
sess.run(init)
i = sess.run(input_tensor)
print(i)
1 回答
您没有将输入馈送到占位符;你用
feed_dict做到了 .你应该做类似的事情：