sess.run 中的 Tensorflow 不可散列类型“列表”答案

【问题标题】：Tensorflow unhashable type 'list' in sess.runsess.run 中的 Tensorflow 不可散列类型“列表”
【发布时间】：2017-03-14 01:08:07
【问题描述】：

实际上有数以千计的此类帖子，但我还没有看到一个解决我的确切问题的帖子。如果存在，请随时关闭它。

我知道列表在 Python 中是可变的。因此，我们无法将列表作为键存储在字典中。

我有以下代码（很多因为无关紧要而被省略）：

with tf.Session() as sess:
    sess.run(init)
    step = 1

    while step * batch_size < training_iterations:
            for batch_x, batch_y in batch(train_x, train_y, batch_size):

            batch_x = np.reshape(batch_x, (batch_x.shape[0],
                                           1,
                                           batch_x.shape[1]))
            batch_x.astype(np.float32)

            batch_y = np.reshape(batch_y, (batch_y.shape[0], 1))
            batch_y.astype(np.float32)

            sess.run(optimizer, feed_dict={x: batch_x, y: batch_y})
            if step % display_step == 0:
                # Calculate batch accuracy
                acc = sess.run(accuracy,
                               feed_dict={x: batch_x, y: batch_y})
                # Calculate batch loss
                loss = sess.run(cost, feed_dict={x: batch_x, y: batch_y})
                print("Iter " + str(step*batch_size) +
                      ", Minibatch Loss= " +
                      "{:.6f}".format(loss) + ", Training Accuracy= " +
                      "{:.5f}".format(acc))
        step += 1
    print("Optimization Finished!")

train_x 是一个[batch_size, num_features] numpy 矩阵

train_y 是一个[batch_size, num_results] numpy 矩阵

我的图表中有以下占位符：

x = tf.placeholder(tf.float32, shape=(None, num_steps, num_input))
y = tf.placeholder(tf.float32, shape=(None, num_res))

所以很自然地，我需要转换我的 train_x 和 train_y 以达到 tensorflow 期望的正确格式。

我通过以下方式做到这一点：

 batch_x = np.reshape(batch_x, (batch_x.shape[0],
                                1,
                                batch_x.shape[1]))

 batch_y = np.reshape(batch_y, (batch_y.shape[0], 1))

这个结果给了我两个numpy.ndarray：

batch_x 的尺寸为 [batch_size, timesteps, features] batch_y 的尺寸为 [batch_size, num_results]

正如我们的图表所预期的那样。

现在，当我通过这些重构的numpy.ndarray 时，我在以下行中得到TypeError: Unhashable type list：

sess.run(optimizer, feed_dict={x: batch_x, y: batch_y})

这对我来说似乎很奇怪，因为启动了 python：

import numpy as np
a = np.zeros((10,3,4))
{a : 'test'}
TypeError: unhashable type: 'numpy.ndarray`

您可以看到我收到了完全不同的错误消息。

在我的代码中，我进一步对数据执行了一系列转换：

x = tf.transpose(x, [1, 0, 2])
x = tf.reshape(x, [-1, num_input])
x = tf.split(0, num_steps, x)


lstm_cell = rnn_cell.BasicLSTMCell(num_hidden, forget_bias=forget_bias)
outputs, states = rnn.rnn(lstm_cell, x, dtype=tf.float32)

列表出现的唯一位置是在切片之后，这会产生rnn.rnn 期望的T 大小的张量列表。

我在这里完全不知所措。我觉得我正盯着解决方案看，我看不到它。有人可以帮我从这里出去吗？

谢谢！

【问题讨论】：

标签： python list numpy multidimensional-array tensorflow

【解决方案1】：

我不小心将变量x 设置为代码中的python 列表。

为什么会抛出这个错误？因为_, loss = sess.run([optimizer, cost], feed_dict={x: batch_x, y: batch_y})、batch_x 或batch_y 之一是列表或元组。它们必须是tensor，因此打印出这两个变量类型以查看代码有什么问题。

【讨论】：

【解决方案2】：

如果feed_dict={x: batch_x, y: batch_y} 中的x 和y 出于某种原因在列表中，也会出现此错误。就我而言，我将它们拼写为 X 和 Y，这些是我代码中的列表。

【讨论】：

这没有提供问题的答案。一旦你有足够的reputation，你就可以comment on any post；相反，provide answers that don't require clarification from the asker。 - From Review
@yivi 这可能不是 OP 在标题中收到错误消息的原因，但这绝对是该错误的可能解释。我刚刚犯了完全相同的错字，这个问题是错误消息的第一个谷歌结果，多亏了这个答案，我最终没有浪费很多时间来追踪一个愚蠢的错误。从我的立场来看，这是一个有效且有用的答案。
感谢它帮助我解决了问题，确实我还有其他变量名为 X 和 Y。这被用作 sess.run 中的键

【解决方案3】：

我觉得这里有点傻，但我相信其他人会遇到这个问题。

tf.split 导致列表的上面那一行是问题所在。

我没有将这些拆分成单独的函数，而是直接修改了 x（如我的代码所示）并且从未更改过名称。所以当代码在sess.run 运行时，x 不再是预期的张量占位符，而是图中转换后的张量列表。

重命名x 的每个转换解决了这个问题。

我希望这对某人有所帮助。

【讨论】：