我正在尝试编写代码来创建神经网络。它应该从特定的 csv 文件中读取数据，该文件包含每个单独输入的 13 独特特征。这是我的代码片段:
n_inputs = 13
X = tf.placeholder(tf.float32, shape=(None, n_inputs), name="X")
y = tf.placeholder(tf.int64, shape=None, name="y")
def data_processor(n):
id = pd.read_csv('./subset_numerical/'+patient_id[n])
id_input = np.array(id['VALUE'].tolist())
for s in sepsis_pat:
if str(s) == str(patient_id[n].split('.')[0]):
a = 1
try:
if a == 1:
a = 0
return [id_input, np.array([1, 0])]
except:
return [id_input, np.array([0, 1])]
我的 tf.Session() 部分如下所示:
with tf.Session() as sess:
init.run()
for epoch in range(n_epochs):
a = 0
for iteration in range(300 // batch_size):
X_batch, y_batch = data_processor(iteration)
print((X_batch))
sess.run(training_op, feed_dict={X: X_batch, y: y_batch})
acc_train = accuracy.eval(feed_dict={X: X_batch, y: y_batch})
print(epoch, "Train accuracy:", acc_train)
save_path = saver.save(sess, "./my_model_final.ckpt")
问题是:执行后，显示以下错误:
Can not feed value of shape (13,) for tensor 'X:0', which has shape (?,13)
这有什么问题吗？
最佳答案
您的 X 占位符需要 shape=(None, n_inputs) 的输入，并且 X_batch 的形状为 n_inputs code> 所以形状不匹配。
您可以通过将n_inputs放入列表中使其形状为(1, n_inputs)来解决该问题:
sess.run(training_op, feed_dict={X: [X_batch], y: y_batch})
关于python - Tensorflow 形状不匹配，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/46814984/