我有data这是一个包含不同维度的特征和目标的ndarray。这似乎给出了张量流问题。
如果我有一个功能：
def cost(self,data):
return self.sess.run(self.cost_function, feed_dict={self.input:data[:,0], self.targets:data[:,1]})
这会产生ValueError: setting an array element with a sequence。
这似乎是因为feed_dict没有将我的输入识别为numpy数组。我认为这是因为功能和目标具有不同的维度，ndarray存在问题;如果我有{100}对data，那么它的形状为(100,2)。如果我然后对它进行切片：data[:,0].shape=(100,)和data[:,1].shape=(100,)，那么即使切片后也无法识别要素/目标向量的长度。
我通过事先将data分成feats和targs来解决问题，正确地返回了他们的形状。
我的问题是，这是正常的 - 这应该是这样吗？或者我只是做错了什么？使用data而不是一直传递两个变量会更好。
编辑：
self.input = tf.placeholder("float",shape=[None,39])
self.targets = tf.placeholder("float",shape=[None,949])
data的尺寸应该是不言自明的。