DRQN - 前缀张量必须是标量或向量，但看到张量

Question

在以下this tutorial中，我收到以下错误：

ValueError: prefix tensor must be either a scalar or vector, but saw tensor: Tensor("Placeholder_2:0", dtype=int32)

错误源自以下几行：

# Take the output from the final convolutional layer and send it to a recurrent layer
# The input must be reshaped into [batch x trace x units] for rnn processing, and then returned to
# [batch x units] when sent through the upper levels
self.batch_size = tf.placeholder(dtype=tf.int32)
self.convFlat = tf.reshape(slim.flatten(self.conv4), [self.batch_size, self.trainLength, h_size])
# !!!!This is the line where error city happens!!!!
self.state_in = rnn_cell.zero_state(self.batch_size, tf.float32)

网络初始化后：

mainQN = Qnetwork(h_size, cell, 'main')

仅在python控制台中运行代码时仍然存在此错误，因此错误是一致的。

如果有帮助，我会发布更多代码

Answer 1

还有另一种解决方案可以解决这个问题。

更改

self.batch_size = tf.placeholder(dtype=tf.int32)

要

self.batch_size = tf.placeholder(dtype=tf.int32, [])

Answer 2

我遇到了同样的问题，张量流的版本是1.2。+。

当我将其更改为1.1.0时，问题已解决。

我认为是因为rnn_cell.zero_state的API使得arg batch_size必须是标量或向量，而不是张量。

因此，如果您将batch_size更改为标量，例如128，问题也可以解决。