Question

我想知道feed_dict和list之间的区别。我虽然Y是y_data。

以下是代码：

import tensorflow as tf
x_data = [[1., 2.], [2., 3.], [3., 1.], [4., 3.], [5., 3.], [6., 2.]]
y_data = [[0], [0], [0], [1], [1], [1]]
Y = tf.placeholder(tf.float32, shape=[None, 1])
W = tf.Variable([[1.], [1.]])
b = tf.Variable([1.])
c = 1-Y
d = 1-y_data
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())    
    print(sess.run(c, feed_dict={Y: y_data}))
    print(sess.run(d))

我收到如下错误：

d = 1-y_data  
TypeError: unsupported operand type(s) for -: 'int' and 'list'

Answer 1

这个问题与tensorflow无关。你有一堆tensorflow代码但不是这与你的错误有关。如果删除所有不相关的东西，你将得到一个简单的python：

y_data = [[0], [0], [0], [1], [1], [1]]
d = 1-y_data

显然不起作用，因为1是一个int，y_data是一个列表。

Answer 2

您正在比较这篇文章中完全不同的对象。

这使你的问题有点无关紧要。

应该理解，每个使用Tensorflow的计算必须出现在您通过tf.placeholder，tf.Variable或通过所谓的'graph ops'绑定它们的其他函数创建的图形中。

在此上下文中，Y, W和b是变量（或占位符，在您执行through sess.run`时提供它们后会起到变量的作用。）

此外，1-Y仅定义graph op。为了证明这一点，我在声明后立即通过addind print Y和print c修改了代码。

结果是

Tensor("Placeholder:0", shape=(?, 1), dtype=float32)
Tensor("sub:0", shape=(?, 1), dtype=float32)

如您所见，Y是占位符，但c是减法操作。

这是正常的，它的工作原理。如果你问的技术性是否可行，我不是百分百肯定，但他们可能会像运算符重载那样使它无缝化。

要看到它实际上是相同的，你也可以这样：

c2 = tf.subtract（1.0，Y）

有关详细信息，请参阅tf.subtract和broadcasting。

python中feed_dict和list之间的区别

2 个答案: