numpy - 将 dtype np.float32 提供给 TensorFlow 占位符

Question

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!

Answer 1

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)})