我试图将类型为 float32 的 numpy ndarray 提供给 TensorFlow 占位符,但它给了我以下错误:
You must feed a value for placeholder tensor 'Placeholder' with dtype float
我的占位符定义为:
n_steps = 10
n_input = 13
n_classes = 1201
x = tf.placeholder("float", [None, n_steps, n_input])
y = tf.placeholder("float", [None, n_classes])
它给我的上述错误的行是:
sess.run(optimizer, feed_dict={x: batch_x, y: batch_y})
其中我的batch_x和batch_y是dtype('float32')的numpy ndarrays。以下是我使用 pdb 打印的类型:
(Pdb)batch_x.dtype
dtype('float32')
(Pdb)x.dtype
tf.float32
我还尝试将batch_x和batch_y类型转换为tf.float32,因为x似乎是dtype tf.float32,但使用类型转换运行代码:
sess.run(optimizer, feed_dict={x: tf.to_float(batch_x), y: tf.to_float(batch_y)})
出现以下错误:
TypeError: The value of a feed cannot be a tf.Tensor object. Acceptable feed values include Python scalars, strings, lists, or numpy ndarrays.
我应该如何提供占位符?我应该使用什么类型的? 任何帮助/建议将不胜感激!
最佳答案
对于你的第一个问题,你确定batch_y
也是float32
吗?您只提供 batch_x
类型的跟踪,而 batch_y
更有可能是整数,因为它似乎是您的类的 one-hot 编码。
对于第二个问题,你做错的是在常规 numpy 数组上使用 tf.to_float ,这是一个张量运算。您应该使用 numpy cast 代替:
sess.run(optimizer, feed_dict={x: batch_x.astype(np.float32), y: batch_y.astype(np.float32)})
关于numpy - 将 dtype np.float32 提供给 TensorFlow 占位符,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/39148628/