我在这个问题上找不到任何东西 .
我试图在改变超级参数的同时反复训练网络，以便执行此视频中显示的内容：https://youtu.be/eBbEDRsCmv4?t=870（他通过重复运行具有不同超参数的网络来显示超参数搜索）
但是，我遇到一个错误，因为每次实例化占位符变量时，它们都会更改名称，从而导致错误
“InvalidArgumentError（参见上面的回溯）：您必须为占位符张量'input / x-input'提供一个值，其中dtype为float和shape [？，784] [[Node：input / x-input = Placeholderdtype = DT_FLOAT，shape = [？，784]，_ device =“/ job：localhost / replica：0 / task：0 / cpu：0”]]“
我将其追溯到“输入”占位符的重命名 . 当循环（如下面的代码所示）运行时，占位符首先命名为“input / x-input：0”，第二个命名为“input_1 / x-input：0” . 我相信我的错误是由此重命名引起的，但我不确定如何纠正它 .
以下代码是我可以编写的最小部分，它可以重现我的问题：
import tensorflow as tf
def train():
# Input placeholders
with tf.name_scope('input'):
x = tf.placeholder(tf.float32, [None, 784], name='x-input')
y_ = tf.placeholder(tf.float32, [None, 10], name='y-input')
return x
def main(_):
for i in range(2):
x = train()
print(x)
if __name__ == '__main__':
tf.app.run(main=main)
1 回答
通过添加以下行来解决此问题：