首页 文章

Tensorflow：feed_dict的形状错误{}

提问于
浏览 次
1

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）'

python tensorflow reshape placeholder

3 回答

  • 1

    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：

    sess.run(train_op, feed_dict={tfkids: np.expand_dims(kids, axis=1), tfkids_fit: kids_fit})

    np.expand_dims 允许您为 kids 形状添加一维尺寸

    回复于
  • 1

    你可以重塑孩子的张量 .

    kids = sess.run(make_kids)
kids = tf.reshape(kids,(None,1))
kids_fit = get_fitness(F(kids))
sess.run(train_op, feed_dict={tfkids: kids, tfkids_fit: kids_fit})
    回复于
  • 1

    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

    kids = np.reshape(kids, [-1, 1])

    希望这可以帮助！

    回复于

相关问题