我正在训练一个具有多个输入的模型，用于10倍交叉验证。我使用一个循环训练10次模型与10个不同的输入。 第一次使用第一个输入数据，网络训练和完成。 我用
sess.close()
最后关闭上一个会话并删除所有以前的数据。但是当在第二次迭代中给出第二次输入时，训练停止并在下面给出以下错误：
x = tf.placeholder("float", shape=[None, D], name='Input_data')
InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'Input_data' with dtype float
[[Node: Input_data = Placeholder[dtype=DT_FLOAT, shape=[], _device="/job:localhost/replica:0/task:0/gpu:0"]()]]
[[Node: Evaluating_accuracy/Mean/_91 = _Recv[client_terminated=false, recv_device="/job:localhost/replica:0/task:0/cpu:0", send_device="/job:localhost/replica:0/task:0/gpu:0", send_device_incarnation=1, tensor_name="edge_145_Evaluating_accuracy/Mean", tensor_type=DT_FLOAT, _device="/job:localhost/replica:0/task:0/cpu:0"]()]]
我该如何解决这个问题。如果它第一次起作用，那么它为什么第二次没有使用新数据。尽管我关闭了上一届会议。
答案 0 :(得分：1)
您可能在两次折叠之间重新定义图表。您应该在不重新定义图形的情况下创建新会话。
第一次在python变量x中存储指向占位符节点的指针时运行tf.placeholder命令。当您第二次运行它时，您将覆盖该指针。基本上，你有内存泄漏。现在有两个占位符节点。其中一个指向x，原始的一个被泄露。