Question

我正在尝试进行多元线性回归，但遇到了一些问题。即，我收到以下错误：

ValueError: Cannot feed value of shape (0, 31399, 50) for Tensor 'Placeholder_22:0', which has shape '(1, 50)'

我尝试了X = tf.compat.v1.placeholder(tf.float32, shape=[None, 50])，但它也会产生错误。

import tensorflow as tf
import numpy as np
import pandas as pd

import csv
from math import sin

a = []
A = 0.01
i = A
cnt = i
while i<=3.14:
    q = []
    q.append(cnt)
    for j in range(2,101,2):
        #ins = round(i**j,j)
        q.append(i**j)
    q.append(sin(i))
    
    a.append(q)
    print(q)
    #print('##',a)
    i += A
    cnt += A

with open('sinL.csv', 'w', newline='') as csvfile:
    writer = csv.writer(csvfile)
    for i in a:
        writer.writerow(i)

init = tf.compat.v1.global_variables_initializer()

data = pd.read_csv('sinL.csv', sep=',')

xy = np.array(data, dtype=np.float32)

x_data = xy[:, 1:-1]
y_data = xy[:, [-1]]

X = tf.compat.v1.placeholder(tf.float32, shape=[None, 50])
Y = tf.compat.v1.placeholder(tf.float32, shape=[None, 1])
W = tf.Variable(tf.random.normal([50,1], mean=0.01, stddev=0.01), name="weight")
b = tf.Variable(tf.random.normal([1]), name="bias")

hypothesis = tf.matmul(X, W) + b

cost = tf.reduce_mean(tf.square(hypothesis - Y))
optimizer = tf.compat.v1.train.GradientDescentOptimizer(learning_rate=1e-10)
train = optimizer.minimize(cost)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    for step in range(11):
        cost_, hypo_, _ = sess.run([cost,hypothesis, train] , feed_dict={X: x_data, Y: y_data})
        if step%10==0:
            print(step,cost_,hypo_)

print result::
0 370825000000.0 [[-1.66055486e-01]
 [-1.66046411e-01]
 [-1.66033715e-01]
 [-1.66017383e-01]
...
[ 2.69337825e+06]
 [ 3.70506525e+06]
 [ 5.08823150e+06]]
10 nan [[nan]
 [nan]
 [nan]
 [nan]
...
[nan]
 [nan]
 [nan]]

Answer 1

我通常建议不要使用TensorFlow 1.x代码，而建议使用内置的Keras API迁移到Tensorflow 2.x代码，因为它往往更容易使用。

但是，您看到的错误是因为您将输入X定义为(1, 50)或(None, 50)形状，而实际输入是3-D，即使第一个输入维的大小为0，因此数组中实际上没有数据。我认为您的数据加载到x_data和y_data中存在问题。因此，请验证x_data和y_data中是否存在有效数据，以及_x和_y是二维数组，然后它应该可以工作。

ValueError：无法为张量为'（1，50）'的张量'Placeholder_22：0'输入形状（0，31399，50）的值

1 个答案: