Question

我编写了一个简单的代码来试用Tensorflow摘要功能。代码如下。

import tensorflow as tf
import numpy as np

graph = tf.Graph()


with graph.as_default():
    x = tf.placeholder(tf.float32, [1, 2], name='x')
    W = tf.ones([2, 1], tf.float32, name='W')
    b = tf.constant([1.5], dtype=tf.float32, shape=(1, 1), name='bias')
    y_ = tf.add(tf.matmul(x, W, name='mul'), b, name='add')
tf.summary.scalar('y', y_)

with tf.Session(graph=graph) as session:
    merged = tf.summary.merge_all()
    fw = tf.summary.FileWriter("/tmp/tensorflow/logs", graph=graph)

    tf.global_variables_initializer().run()
    x_var = np.array([1., 1.], np.float32).reshape([1, 2])
    print(x_var)
    summary, y = session.run([merged, y_], feed_dict={x: x_var})
    fw.add_summary(summary, 0)
    print(y)

    fw.close()

基本上，它会尝试实施y=Wx + b。

如果删除所有摘要相关代码，代码就可以运行。但是，如果我添加摘要相关代码，我得到以下错误：

InvalidArgumentError (see above for traceback): tags and values not the same shape: [] != [1,1] (tag 'y')
     [[Node: y = ScalarSummary[T=DT_FLOAT, _device="/job:localhost/replica:0/task:0/cpu:0"](y/tags, add)]]

我试过普通的python和IPython。

Answer 1

标签和值的形状不同。您正在传递x_var这是一个向量，summary采用标量值。您只需使用tf.reduce_mean来解决此问题：

with graph.as_default():
    x = tf.placeholder(tf.float32, [None, 2], name='x')
    W = tf.ones([2, 1], tf.float32, name='W')
    b = tf.constant([1.5], dtype=tf.float32, shape=(1, 1), name='bias')
    y_ = tf.add(tf.matmul(x, W, name='mul'), b, name='add')
    tf.summary.scalar('y', tf.reduce_mean(y_))

这将创建一个标量值。

在Tensorflow v1.2.1中使用汇总时出现InvalidArgumentError

1 个答案: