TF 一热编码张量对象

Question

按照 mnist 简单示例运行简单的逻辑回归 我的代码：

x = np.array(xHotdog + xNotHotdog)
y = np.array(yHotdog + yNotHotdog)

print("y shape before: "+str(y.shape))
y = tf.one_hot(indices=y, depth=2)
print("y shape after: "+str(y.shape))    
y.eval()
return x,y

稍后我运行：

sess.run([optimizer, cost], feed_dict={x: batch_xs,y: batch_ys})

得到错误：

TypeError：提要的值不能是 tf.Tensor 对象。 可接受的提要值包括 Python 标量、字符串、列表、numpy ndarrays 或 TensorHandles。作为参考，张量对象是 已通过的 Tensor("one_hot:0", shape=(6457, 2), dtype=float32) 使用键 Tensor("Placeholder_1:0", shape=(?, 2), dtype=float32)。

Answer 1

您想将 Tensor object 传递给 feed_dict 并引发错误。正如docs中提到的：

可选的 feed_dict 参数允许调用者覆盖 图中张量的值。

feed_dict：将图形元素映射到值

的字典

所以你需要一些 feed_dict 的值。如报错所示：

可接受的提要值包括 Python scalars、strings、lists、numpy ndarrays 或 TensorHandles

选项 1：在您的情况下，您通过 Tensor object 导致此类异常。问题可以这样解决：

y = tf.placeholder(tf.float32, [None, 10], name="Y")
y = tf.one_hot(indices=y, depth=2)
...

sess.run([optimizer, cost], feed_dict={x: batch_xs,y: batch_ys})

---

选项 2：您还可以使用（在这种情况下不需要 feed_dict）评估值：

a = np.random.randint(1, 10, [20])
b = tf.one_hot(a, depth=10)

with tf.Session() as sess:
    print(a)
    print(sess.run([b]))