ValueError：无法为形状为（（？，4）'的张量'Placeholder_36：0'提供形状（4，）的值

Question

我正在尝试实现张量流回归模型，我的数据形状为train_X =（200,4）和train_Y =（200，）。我遇到形状错误，这是我的一段代码，任何人都可以提及我在哪里做错误。

df = pd.read_csv（'all.csv'）

df = df.drop（'时间'，轴= 1）

print（df.describe（））＃了解数据集

train_Y = df [“力量”]

train_X = df.drop（'power'，axis = 1）

train_X = numpy.asarray（train_X）

train_Y = numpy.asarray（train_Y）

n_samples = train_X.shape [0]

tf图形输入

X = tf.placeholder（'float'，[None，len（train_X [0]）]）

Y = tf.placeholder（“ float”）

设置模型权重

W = tf.Variable（rng.randn（），name =“ weight”）

b = tf.Variable（rng.randn（），name =“ bias”）

构建线性模型

pred = tf.add（tf.multiply（X，W），b）

均方误差

cost = tf.reduce_sum（tf.pow（pred-Y，2））/（2 * n_samples）

梯度下降

注意，因为Variable对象是

，minimum（）知道要修改W和b

trainable =默认为True

optimizer = tf.train.GradientDescentOptimizer（learning_rate）.minimize（cost）

初始化变量（即分配其默认值）

init = tf.global_variables_initializer（）

开始训练

以tf.Session（）作为会话：

# Run the initializer

sess.run(init)

# Fit all training data

for epoch in range(training_epochs):

    for (x, y) in zip(train_X, train_Y):

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

    # Display logs per epoch step
    if (epoch+1) % display_step == 0:
        c = sess.run(cost, feed_dict={X: train_X, Y:train_Y})
        print("Epoch:", '%04d' % (epoch+1), "cost=", "{:.9f}".format(c), \
            "W=", sess.run(W), "b=", sess.run(b))

print("Optimization Finished!")
training_cost = sess.run(cost, feed_dict={X: train_X, Y: train_Y})
print("Training cost=", training_cost, "W=", sess.run(W), "b=", sess.run(b), '\n')

# Graphic display
plt.plot(train_X, train_Y, 'ro', label='Original data')
plt.plot(train_X, sess.run(W) * train_X + sess.run(b), label='Fitted line')
plt.legend()
plt.show()enter code here

Answer 1

我改变了形状并解决了问题

train_y = np.reshape（train_y，（-1，1））