Tensorflow（python）：train_step.run（...）中的“ValueError：设置带有序列的数组元素”

Question

我正在尝试实现一个使用我自己的图像集训练的简单逻辑回归模型，但在尝试训练模型时出现此错误：

Traceback (most recent call last):
File "main.py", line 26, in <module>
model.entrenar_modelo(sess, training_images, training_labels)
File "/home/jr/Desktop/Dropbox/Machine_Learning/TF/Míos/Hip/model_log_reg.py", line 24, in entrenar_modelo
train_step.run({x: batch_xs, y_: batch_ys})
File "/home/jr/.local/lib/python2.7/site-packages/tensorflow/python/framework/ops.py", line 1267, in run
_run_using_default_session(self, feed_dict, self.graph, session)
File "/home/jr/.local/lib/python2.7/site-packages/tensorflow/python/framework/ops.py", line 2763, in _run_using_default_session
session.run(operation, feed_dict)
File "/home/jr/.local/lib/python2.7/site-packages/tensorflow/python/client/session.py", line 334, in run
np_val = np.array(subfeed_val, dtype=subfeed_t.dtype.as_numpy_dtype)
ValueError: setting an array element with a sequence.

我提供给train_step.run({x: batch_xs, y_: batch_ys}) 的数据是这样的：

• batch_xs：张量对象列表，代表 100x100（10,000 个长张量）的图像
• batch_ys：作为浮点数的标签列表（1.0 或 0.0）

我做错了什么？

编辑

问题似乎是我必须先评估batch_xs 中的张量，然后再将它们传递给train_step.run(...)。我认为 run 方法会解决这个问题，但我想我错了？ 无论如何，一旦我在调用函数之前这样做了：

for i, x in enumerate(batch_xs):
    batch_xs[i] = x.eval()
    #print batch_xs[i].shape
    #assert all(x.shape == (100, 100, 3) for x in batch_xs)
# Now I can call the function

即使按照以下答案中的建议进行操作，我也遇到了一些问题。我终于通过放弃张量并使用 numpy 数组来解决所有问题。

Answer 1

Operation.run()（也称为 Session.run() 和 Tensor.eval()）的 feed_dict 参数接受字典映射 Tensor 对象（通常是 tf.placeholder() 张量）到 numpy 数组（或可以简单转换为的对象一个 numpy 数组）。

在您的情况下，您传递了batch_xs，这是一个 numpy 数组列表，而 TensorFlow 不知道如何将其转换为 numpy 数组。假设batch_xs定义如下：

batch_xs = [np.random.rand(100, 100),
            np.random.rand(100, 100),
            ...,                       # 29 rows omitted.
            np.random.rand(100, 100)]  # len(batch_xs) == 32.

我们可以使用以下方法将batch_xs 转换为32 x 100 x 100 数组：

# Convert each 100 x 100 element to 1 x 100 x 100, then vstack to concatenate.
batch_xs = np.vstack([np.expand_dims(x, 0) for x in batch_xs])
print batch_xs.shape
# ==> (32, 100, 100) 

请注意，如果batch_ys 是浮点数列表，TensorFlow 会透明地将其转换为一维 numpy 数组，因此您不需要转换此参数。

编辑： mdaoust 在 cmets 中提出了一个有效点：如果您将数组列表传递给 np.array（因此作为 feed_dict 中的值），它将自动为 @ 987654340@ed，因此无需按照我的建议转换您的输入。相反，听起来您的列表元素的形状不匹配。尝试添加以下内容：

assert all(x.shape == (100, 100) for x in batch_xs)

...在调用train_step.run() 之前，这应该会显示您是否有不匹配的情况。

Answer 2

此特定错误来自numpy。在维度不一致的序列上调用 np.array 会抛出它。

>>> np.array([1,2,3,[4,5,6]])

ValueError: setting an array element with a sequence.

看起来它在tf 确保feed_dict 的所有元素都是numpy.arrays 的点上失败了。

检查您的feed_dict。