Question

我试图在tensorflow中将数据输入到我的模型中。我有一个大小为N的输入向量，但为了使tf.matmul（X，weights ['h1']）工作，我需要将数据的形状设为（None，N）。

假设我有两个大小为N的数组（在我的情况下为N = 1000），分别对应于输入和输出（分别为X和Y）。输入/输出数据已经分别定义为x和y。我已为我的代码部分如下：

num_input = 1000
num_output = 1000

#place holders for tensorflow
X = tf.placeholder("float", [None, num_input])
Y = tf.placeholder("float", [None, num_output])

#Define weights/biases
weights = {
  "h1" : tf.Variable(tf.random_normal([num_input, n_hidden_1])),
  "out" : tf.Variable(tf.random_normal([n_hidden_1, num_output]))
}

biases = {
  "b1" : tf.Variable(tf.random_normal([n_hidden_1])),
  "out" : tf.Variable(tf.random_normal([num_output]))
}

#define neural network
def neural_net(x):
  logits_1  = tf.add(tf.matmul(x, weights['h1']), biases['b1'])
  layer_1 = tf.nn.softmax(logits_1) 
  out_logits = tf.matmul(layer_1, weights['out']) + biases['out']
  out_layer = tf.nn.softmax(out_logits)
  return out_layer

运行代码时，出现以下错误，我确定这是由于数据尺寸与上面定义的占位符不匹配所致。这是错误：

Traceback (most recent call last):
   File "main.py", line 69, in <module>
     sess.run(optimizer, feed_dict={X: x,Y: y})
   File "/user/.local/lib/python3.5/site-packages/tensorflow/python/client/session.py", line 887, in run
run_metadata_ptr)
   File "/user/.local/lib/python3.5/site-packages/tensorflow/python/client/session.py", line 1086, in _run
str(subfeed_t.get_shape())))
   ValueError: Cannot feed value of shape (1000,) for Tensor 'Placeholder:0', which has shape '(?, 1000)'

有一种方法来重塑我的形状（N）的x和y阵列的形状（无，N）？

提前谢谢！

Answer 1

如果您的输入数据总是呈[N]形状，那么我认为这样定义您的输入更有意义，所以：

x = tf.placehoder(tf.float32, [N])
y = tf.placehoder(tf.float32, [N])

，然后当您需要将它们相乘时，可以添加一个额外的维度：

x = tf.expand_dims(x, 0)
y = tf.expand_dims(y, 0)

或者，您可以输入额外的维度。

x = np.expand_dims(x, 0)
y = np.expand_dims(y, 0)
sess.run(optimizer, feed_dict={X: x,Y: y})

我该如何将维度[N]的数组更改为[None，N]？

1 个答案: