Question

当我尝试使用tensorflow完成softmax回归时，出现了一些问题如下：

tensorflow.python.framework.errors_impl.InvalidArgumentError：
您必须使用dtype float [[Node：Placeholder_1 = Placeholderdtype = DT_FLOAT，shape = []，_ device =“/ job：localhost / replica：0 / task：0 / cpu：0”]为占位符张量'Placeholder_1'提供值]

从上面的描述中，我知道问题是参数类型错误。但在我的代码中，我的数据类型与占位符相同。

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

m = input_data.read_data_sets("MNIST_data/", one_hot=True)
sess = tf.InteractiveSession()

x = tf.placeholder(tf.float32, [None, 784])
w = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))

y = tf.nn.softmax(tf.matmul(x, w)+b)
y_ = tf.placeholder(tf.float32, [None, 10])

cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))
train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)
tf.global_variables_initializer()

for i in range(1000):
    batch_xs, batch_ys = m.train.next_batch(100)
    train_step.run({x: batch_xs, y: batch_ys})

correct_prediction = tf.equal(tf.arg_max(y, 1), tf.arg_max(y_, 1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
print(accuracy.eval({x: m.test.images, y: m.test.labels}))

我认为问题是由batch_xs（float32）和batch_ys（float32）的类型引起的。

有关如何解决此问题的任何建议？

Answer 1

问题是由于您将y而不是y_传递到accuracy.eval来电的feed_dict。

这样，您就会覆盖y的值，并且您的占位符y_未被使用。

只需将行更改为

即可

print(accuracy.eval({x: m.test.images, y_: m.test.labels}))

张量流中的InvalidArgumentError（softmax mnist）

1 个答案: