Question

我试图修改TensorFlow MNIST示例，以便在生成结果之前将占位符输入值传递给变量进行操作。

例如：

import tensorflow as tf

# create placeholder/weights/biases
input_x = tf.placeholder(tf.float32, [None, 784])
input_W = tf.Variable(tf.zeros([784, 10]))
input_b = tf.Variable(tf.zeros([10]))

# Create the new variable
var_x = tf.Variable(tf.zeros([784]), trainable=False)

# Perform an arbitrary manipulation on MNIST input, and assign to var_x
for i in range(0,784):
    var_x[i].assign(input_x[i] / 2)

input_Y = tf.matmul(var_x, input_W) + input_b

在上面的例子中，我将占位符值input_X传递给var_X，在这里我可以对值进行任意操作，然后乘以权重以获得输出结果。

我在tf.matmul上收到以下错误：

ValueError: Shape must be rank 2 but is rank 1 for 'MatMul' (op: 'MatMul') with input shapes: [784], [784,10].

我很困惑为什么，在上面的例子中，这有效：

tf.matmul(input_x, input_W) + input_b

但这并不是：

tf.matmul(var_x, input_W) _ input_b

因为input_x和var_x都应该是784长度向量。

我基本上希望它与普通MNIST示例中的矩阵乘法完全相同，但使用的是变量而不是占位符。

这似乎应该是超级直截了当，但我是TensorFlow的新手，尽管阅读了很多教程/ SO问题，但我以前从未见过这种特殊情况。

提前感谢任何建议！

Answer 1

因为input_x和var_x都应该是784长度向量。

这不完全正确。 Input_x的形状为[None，784]，你的var_x的形状为[784]。

不幸的是，我不确切地知道你要做什么......

我基本上希望它与普通的MNIST示例中的矩阵乘法完全相同，但是使用变量而不是占位符。

如果你想使用变量而不是占位符，你可以说

input_x = tf.Variable(tf.float32, preloaded_digits_numpy_array)

将其余代码保留为......

Tensorflow - 将占位符值分配给变量

1 个答案: