Question

我对此有误：

C：\ Users \ Akash \ PycharmProjects \ TensorFlow_lessons \ venv \ Scripts \ python.exe C：/Users/Akash/PycharmProjects/TensorFlow_lessons/TenFlow_01.py 2018-07-06 16：15：56.929521：I T：\ src \ github \ tensorflow \ tensorflow \ core \ platform \ cpu_feature_guard.cc：140]您的CPU支持该TensorFlow二进制文件未编译为使用的指令：AVX2 追溯（最近一次通话）：文件“ C：/Users/Akash/PycharmProjects/TensorFlow_lessons/TenFlow_01.py”，第45行，在 feed_dict = {输入：training_data ['输入']，目标：training_data ['目标']}）正在运行的文件“ C：\ Users \ Akash \ PycharmProjects \ TensorFlow_lessons \ venv \ lib \ site-packages \ tensorflow \ python \ client \ session.py”，行900 run_metadata_ptr） _run中的文件“ C：\ Users \ Akash \ PycharmProjects \ TensorFlow_lessons \ venv \ lib \ site-packages \ tensorflow \ python \ client \ session.py”，行1111 str（subfeed_t.get_shape（）））） ValueError：无法为张量为'（？，2）'的张量'Placeholder：0'输入形状（2，1000，1）的值

以退出代码1完成的过程

我的代码：

import numpy as np
import tensorflow as tf

"""Data generation"""
obs = 1000
xs = np.random.uniform(-10, 10, (obs, 1))
zs = np.random.uniform(-10, 10, (obs, 1))
generated_inputs = np.stack((xs, zs))
noise = np.random.uniform(-1, 1, (obs, 1))
generated_targets = 2 * xs - 3 * zs + 5 + noise

np.savez('TF_Intro', inputs=generated_inputs, targets=generated_targets)

# solving with tensorflow
input_size = 2
output_size = 1

# outlining the model
inputs = tf.placeholder('float', [None, input_size])  # feeds data to TF_intro file's input column
targets = tf.placeholder('float', [None, output_size])  # same as above to output column

weights = tf.Variable(tf.random_uniform([input_size, output_size], minval=-0.1, maxval=0.1))
biases = tf.Variable(tf.random_uniform([output_size], minval=-0.1, maxval=0.1))

outputs = tf.matmul(inputs, weights) + biases  # matmul is same concpt like dotproduct but its for tensors

"""Choosing objective function and optimization methods"""
mean_loss = tf.losses.mean_squared_error(labels=targets, predictions=outputs) / 2.
optimize = tf.train.GradientDescentOptimizer(learning_rate=0.02).minimize(mean_loss)

"""prepare for execute"""
sess = tf.InteractiveSession()

"""initialisation of variables"""
initializer = tf.global_variables_initializer()  # initialises all tensor objects marked as variables
sess.run(initializer)

"""Load training data"""
training_data = np.load('TF_Intro.npz')

"""learning"""
for e in range(100):
    _, curr_loss = sess.run([optimize, mean_loss],
                            feed_dict={inputs: training_data['inputs'],
                                       targets: training_data['targets']})
    print(curr_loss)

Answer 1

当您遇到与张量形状不匹配有关的错误时，请仔细阅读错误消息：

ValueError：无法为形状为（（？，2）'的张量'占位符：0'输入形状（2，1000，1）的值

如果您稍微调试一下代码，您将立即注意到错误是由于training_data['inputs']的形状为(2, 1000, 1)而inputs的形状为(?, 2) 。鉴于它们具有不同的形状，因此您无法为training_data['inputs']“喂入” inputs。

此问题的解决方案取决于您实际想要做什么。

如果要“连接” xs和zs，则需要generated_inputs = np.stack((xs, zs))而不是使用generated_inputs = tf.concat([xs, zs], 1)。在这种情况下，generated_inputs的形状为(1000, 2)，因此可以将其作为inputs（形状为(?, 2)）进给。

但是，如果将generated_inputs = np.stack((xs, zs))替换为generated_inputs = tf.concat([xs, zs], 1)，则会出现另一个错误：

_pickle.PicklingError：无法腌制：内置的属性查找SwigPyObject失败

这可能是由于您用np.savez保存的数组/变量必须具有相同的维数（或者也许是因为我们将尝试保存矩阵？）。您可以解决此问题，例如通过分别保存xs和zs。因此，您可能有np.savez('TF_Intro', inputs = generated_inputs, targets=generated_targets)而不是np.savez('TF_Intro', xs=xs, zs=zs, targets=generated_targets)。然后，在执行run方法（在会话中）之前，可以串联xs和zs。例如，使用以下代码

...

for e in range(100):
    xs = training_data['xs']
    zs = training_data['zs']
    X = np.concatenate((xs, zs), axis=1)
    T = training_data['targets']

    _, curr_loss = sess.run([optimize, mean_loss],
                            feed_dict={inputs: X,
                                       targets: T})
    print(curr_loss)

注意：如果执行我建议的更改，您的代码将编译并执行而不会出错，但是我不知道这是否是您希望通过代码实现的目标，我不会不想停留在上面。

顺便说一句，为什么要生成输入和目标，将其存储，然后从文件中读取它们？为什么不直接使用输入和目标（在这种情况下）呢？

ValueError：无法为张量为'（？，2）'的张量'占位符：0'输入形状（2，1000，1）的值

1 个答案: