Question

按照mnist简单示例运行简单logistic回归我的代码：

x = np.array(xHotdog + xNotHotdog)
y = np.array(yHotdog + yNotHotdog)

print("y shape before: "+str(y.shape))
y = tf.one_hot(indices=y, depth=2)
print("y shape after: "+str(y.shape))    
y.eval()
return x,y

后来我跑步：

sess.run([optimizer, cost], feed_dict={x: batch_xs,y: batch_ys})

得到错误：

TypeError：提要的值不能是tf.Tensor对象。可接受的Feed值包括Python标量，字符串，列表，numpy ndarrays或TensorHandles，作为参考，张量对象为通过的Tensor（“ one_hot：0”，shape =（6457，2），dtype = float32）使用键Tensor（“ Placeholder_1：0”，shape =（?, 2），进入Feed dtype = float32）。

Answer 1

您想将Tensor object传递给feed_dict并引发错误。如docs中所述：

可选的 feed_dict 参数允许调用方覆盖   图中张量的值。

feed_dict ：将图元素映射到值
的字典

因此，您需要feed_dict的一些值。如错误所示：

可接受的Feed值包括Python 标量，字符串，列表， numpy ndarrays 或 TensorHandles

选项1 ：在您的情况下，您通过了Tensor object导致此类异常。该问题可以通过以下方式解决：

y = tf.placeholder(tf.float32, [None, 10], name="Y")
y = tf.one_hot(indices=y, depth=2)
...

sess.run([optimizer, cost], feed_dict={x: batch_xs,y: batch_ys})

选项2 ：您还可以使用以下方法评估值：（在这种情况下，不需要feed_dict）：

a = np.random.randint(1, 10, [20])
b = tf.one_hot(a, depth=10)

with tf.Session() as sess:
    print(a)
    print(sess.run([b]))

TF一个热编码张量对象

1 个答案: