Question

这些帖子确实有成千上万，但我还没有看到一个解决我确切问题的帖子。如果存在，请随时关闭。

我知道列表在Python中是可变的。因此，我们无法将列表存储为字典中的键。

我有以下代码（因为它无关紧要而遗漏了很多代码）：

with tf.Session() as sess:
    sess.run(init)
    step = 1

    while step * batch_size < training_iterations:
            for batch_x, batch_y in batch(train_x, train_y, batch_size):

            batch_x = np.reshape(batch_x, (batch_x.shape[0],
                                           1,
                                           batch_x.shape[1]))
            batch_x.astype(np.float32)

            batch_y = np.reshape(batch_y, (batch_y.shape[0], 1))
            batch_y.astype(np.float32)

            sess.run(optimizer, feed_dict={x: batch_x, y: batch_y})
            if step % display_step == 0:
                # Calculate batch accuracy
                acc = sess.run(accuracy,
                               feed_dict={x: batch_x, y: batch_y})
                # Calculate batch loss
                loss = sess.run(cost, feed_dict={x: batch_x, y: batch_y})
                print("Iter " + str(step*batch_size) +
                      ", Minibatch Loss= " +
                      "{:.6f}".format(loss) + ", Training Accuracy= " +
                      "{:.5f}".format(acc))
        step += 1
    print("Optimization Finished!")

train_x是[batch_size, num_features] numpy矩阵

train_y是[batch_size, num_results] numpy矩阵

我的图表中有以下占位符：

x = tf.placeholder(tf.float32, shape=(None, num_steps, num_input))
y = tf.placeholder(tf.float32, shape=(None, num_res))

很自然地，我需要转换train_x和train_y以获得张量流所需的正确格式。

我是这样做的：

 batch_x = np.reshape(batch_x, (batch_x.shape[0],
                                1,
                                batch_x.shape[1]))

 batch_y = np.reshape(batch_y, (batch_y.shape[0], 1))

这个结果给了我两个numpy.ndarray：

batch_x的尺寸为[batch_size, timesteps, features] batch_y的尺寸为[batch_size, num_results]

正如我们的图表所预期的那样。

现在当我通过这些重新塑造的numpy.ndarray时，我会在下一行获得TypeError: Unhashable type list：

sess.run(optimizer, feed_dict={x: batch_x, y: batch_y})

这对我来说很奇怪，因为启动了python：

import numpy as np
a = np.zeros((10,3,4))
{a : 'test'}
TypeError: unhashable type: 'numpy.ndarray`

您可以看到我收到完全不同的错误消息。

此外，在我的代码中，我对数据执行了一系列转换：

x = tf.transpose(x, [1, 0, 2])
x = tf.reshape(x, [-1, num_input])
x = tf.split(0, num_steps, x)


lstm_cell = rnn_cell.BasicLSTMCell(num_hidden, forget_bias=forget_bias)
outputs, states = rnn.rnn(lstm_cell, x, dtype=tf.float32)

列表出现的唯一位置是切片后，这会产生T大小rnn.rnn期望的张量列表。

我在这里完全失败了。我觉得我正盯着解决方案，我看不到它。有人可以帮我从这里出去吗？

谢谢！

Answer 1

我觉得这里有点傻，但我相信别人会有这个问题。

tf.split导致列表出现问题的上面一行。

我没有将它们拆分成单独的函数，而是直接修改了x（如我的代码所示）并且从未更改过名称。因此，当代码在sess.run中运行时，x不再是预期的张量占位符，而是图表中转换后的张量列表。

重命名x的每个转换解决了问题。

我希望这有助于某人。

Answer 2

如果x中的y和feed_dict={x: batch_x, y: batch_y}出于某种原因列出，则也会出现此错误。在我的情况下，我将它拼错为X和Y，这些是我的代码中的列表。

Answer 3

我不小心将变量x设置为代码中的python列表。

为什么引发此错误？由于_, loss = sess.run([optimizer, cost], feed_dict={x: batch_x, y: batch_y})，batch_x或batch_y之一是列表或元组。它们必须是tensor，因此请打印出两个变量类型，以查看代码出了什么问题。

sess.run

3 个答案: