tensorflow InvalidArgumentError：您必須爲dtype float提供佔位符張量的值

我是tensorflow新手，想要訓練用於分類的邏輯模型。tensorflow InvalidArgumentError：您必須爲dtype float提供佔位符張量的值

# Set model weights 
W = tf.Variable(tf.zeros([30, 16])) 
b = tf.Variable(tf.zeros([16])) 
train_X, train_Y, X, Y = input('train.csv') 

#construct model 
pred = model(X, W, b) 
# Minimize error using cross entropy 
cost = tf.reduce_mean(-tf.reduce_sum(Y*tf.log(pred), reduction_indices=1)) 
# Gradient Descent 
learning_rate = 0.1 
#optimizer = tf.train.AdamOptimizer(learning_rate).minimize(cost) 
optimizer = tf.train.GradientDescentOptimizer(learning_rate).minimize(cost) 
# Initializing the variables 
init = tf.initialize_all_variables() 

get_ipython().magic(u'matplotlib inline') 
import collections 
import matplotlib.pyplot as plt 

training_epochs = 200 
batch_size = 300 
train_X, train_Y, X, Y = input('train.csv') 
acc = [] 
x = tf.placeholder(tf.float32, [None, 30]) 
y = tf.placeholder(tf.float32, [None, 16]) 
with tf.Session() as sess: 
    sess.run(init) 
    # Training cycle 
    for epoch in range(training_epochs): 
     avg_cost = 0.0 
     #print(type(y_train[0][0])) 
     print(type(train_X)) 
     print(type(train_X[0][0])) 
     print X 
     _, c = sess.run([optimizer, cost], feed_dict = {x: train_X, y: train_Y})

的feef_dict方法不起作用，與抱怨：InvalidArgumentError：必須喂爲佔位符張量 'Placeholder_54' 的值與D型浮子 [[節點：Placeholder_54 = Placeholderdtype = DT_FLOAT，形狀= [] ，_device = 「/作業：本地主機/複製：0 /任務：0/CPU：0」]] 引起運算u'Placeholder_54' ：

予檢查的數據類型，用於訓練特徵數據X：

train_X type: <type 'numpy.ndarray'> 
    train_X[0][0]: <type 'numpy.float32'> 
    train_X size: (300, 30) 
    place_holder info : Tensor("Placeholder_56:0", shape=(?, 30), dtype=float32)

我不知道它爲什麼抱怨。希望有人可以幫助，謝謝

來源

2016-09-13 printemp

如果你在一個jupyter筆記本，在定義你的變量之前，嘗試運行'tf.reset_default_graph（）'。我遇到了一些類似的問題，這是幫助解決問題的一個方面。 – Engineero

顯示model（）的代碼 - 我敢打賭它定義了兩個佔位符：X是placeholder_56，所以placeholder_54從哪裏來？

然後通過模型X，Y進feed_dict，刪除你的X，Y的全球佔位符，一切都將工作:)

來源

2016-09-13 23:26:22 MMN

從你的錯誤信息，丟失的佔位符的名稱— 'Placeholder_54' —是可疑的，因爲這表明在當前的口譯員會議中至少已創建了54個佔位符。

沒有足夠的細節可以肯定地說，但我有一些懷疑。你是否在同一個解釋器會話中多次運行相同的代碼（例如使用IPython/Jupyter或Python shell）？假設是這種情況，我懷疑你的張量依賴於在該代碼的先前執行中創建的佔位符。

事實上，你的代碼創建兩個tf.placeholder()張量x和y後建立模型的其餘部分，因此它很可能是兩種：

丟失的佔位符在此之前執行創建代碼或
input()函數在內部調用tf.placeholder()，它是這些佔位符（可能是張量X和Y？），你應該餵食。

來源

2016-09-13 23:30:03 mrry

tensorflow InvalidArgumentError：您必須爲dtype float提供佔位符張量的值

回答

相關問題