第一次遇到这样的问题 .
错误大约是 feed_dict={tfkids: kids, tfkids_fit: kids_fit}
,似乎需要重塑 kids_fit
.
任何人都可以帮我解决这个问题吗?
import tensorflow as tf
from tensorflow.contrib.distributions import Normal
import numpy as np
import matplotlib.pyplot as plt
DNA_SIZE = 1
POP_SIZE = 10
LR = 0.1
N_GENERATION = 50
def F(x):
return x**2
def get_fitness(value):
return -value
mean = tf.Variable(tf.constant(13.), dtype=tf.float32)
sigma = tf.Variable(tf.constant(5.), dtype=tf.float32)
N_dist = Normal(loc=mean, scale=sigma)
make_kids = N_dist.sample([POP_SIZE])
tfkids = tf.placeholder(tf.float32, [POP_SIZE, DNA_SIZE])
tfkids_fit = tf.placeholder(tf.float32, [POP_SIZE])
loss = -tf.reduce_mean(N_dist.log_prob(tfkids) * tfkids_fit)
train_op = tf.train.GradientDescentOptimizer(LR).minimize(loss)
x = np.linspace(-20, 20, 100)
plt.plot(x, F(x))
sess = tf.Session()
init = tf.global_variables_initializer()
sess.run(init)
plt.ion()
for g in range(N_GENERATION):
kids = sess.run(make_kids)
kids_fit = get_fitness(F(kids))
sess.run(train_op, feed_dict={tfkids: kids, tfkids_fit: kids_fit})
if "plot_points" in globals():
plot_points.remove()
plot_points = plt.scatter(kids, F(kids), s=30)
plt.pause(0.05)
plt.ioff()
plt.show()
这在尝试测试代码时出错 .
ValueError:无法为Tensor'占位符:0'提供形状值(10,),其形状为'(10,1)'
3 回答
你的
Placeholder:0
是tfkids = tf.placeholder(tf.float32, [POP_SIZE, DNA_SIZE])
.如您所见,
tfkids
形状为[POP_SIZE, DNA_SIZE]
=(10, 1)
.相反,您的
kids
变量的形状为=(10)
.虽然两个形状都包含10个值,但第一个有2个维度,第二个是1个 .
因此,您必须扩展
kids
变量的维度,以便以这种方式与tfkids
兼容:np.expand_dims
允许您为kids
形状添加一维尺寸你可以重塑孩子的张量 .
Problem: 当您声明
tfkids
变量时,将其形状指定为[POP_SIZE, DNA_SIZE]
,即(10,1) . 但是,当您在训练期间将实际数据输入占位符时,您将传递(10)形状的数据 .Solution: 因此,您必须将训练数据重新整形为(10,1),以便将其提供给变量 . 您可以通过多种方式重塑数据 . 您可以使用numpy库的重塑功能 . 在为您提供训练数据之前,请执
希望这可以帮助!