Question

我是tensorflow的新手，想要训练一个逻辑分类模型。

# 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})

payf_dict方法不起作用，抱怨：

InvalidArgumentError：您必须为占位符张量提供值＆＃39; Placeholder_54＆＃39;用dtype float [[Node：Placeholder_54 = Placeholderdtype = DT_FLOAT，shape = []， _device =＆＃34; / job：localhost / replica：0 / task：0 / cpu：0＆＃34;]]由op u＆＃39; Placeholder_54＆＃39;：
引起

我检查数据类型，以获取训练要素数据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)

我不知道为什么抱怨。希望某人可以提供帮助，谢谢

Answer 1

从错误消息中，缺少占位符的名称 - 'Placeholder_54' - 是可疑的，因为这表明在当前的解释器会话中至少创建了54个占位符。

没有足够的细节可以肯定地说，但我有一些怀疑。您是否在同一个解释器会话中多次运行相同的代码（例如，使用IPython / Jupyter或Python shell）？假设是这种情况，我怀疑你的cost张量取决于先前执行该代码时创建的占位符。

的确，您的代码会在构建模型的其余部分之后创建两个tf.placeholder()张量x和y ，因此看起来可能是：

缺少的占位符是在以前执行此代码时创建的，或

input()函数在内部调用tf.placeholder()，这些占位符（可能是张量X和Y？）是您应该提供的。

Answer 2

我认为我遇到了类似的错误。看来您的图上没有这些张量的x，y，您创建了具有相同名称的占位符，但这并不意味着您在图中使用了这些名称。

以下是我的问题的链接（我回答了自己的问题。）：link

使用它来获取图形中的所有张量（非常有用）：

[n.name for n in tf.get_default_graph().as_graph_def().node]

Answer 3

显示model（）的代码 - 我敢打赌它定义了两个占位符：X是placeholder_56，那么placeholder_54来自哪里？

然后将模型x，y传递给feed_dict，删除x，y全局占位符，一切都会起作用：）

Answer 4

也许您可以尝试添加图形with tf.Graph().as_default():以避免在运行jupyter notebook或ipython时重新定义占位符。

tensorflow InvalidArgumentError：您必须使用dtype float为占位符张量提供值

4 个答案: