【问题标题】:TypeError: Cannot interpret feed_dict key as Tensor: Can not convert a int into a TensorTypeError:无法将 feed_dict 键解释为张量:无法将 int 转换为张量
【发布时间】:2017-08-06 09:32:17
【问题描述】:

以下是我使用tensorflow的代码,我这两天一直在尝试调试这个错误...

changed_result = y_conv.eval(feed_dict={x: pixelNew, keep_prob: 1.0})

和:

changed_result = tf.Variable([0.0],tf.float32)

我尝试过将 changed_result 设为张量,或者只是不声明它。两者都行不通。

以下是整个错误描述:

Traceback(最近一次调用最后一次): 文件“deepMnist.py”,第 235 行,在 tf.app.run(main=main, argv=[sys.argv[0]] + 未解析)

文件“/Users/ximinlin/anaconda/envs/tensorflow/lib/python2.7/site-packages/tensorflow/python/platform/app.py”,第 43 行,运行中 sys.exit(main(sys.argv[:1] + flags_passthrough))

文件“deepMnist.py”,第 162 行,在 main changed_result = y_conv.eval(feed_dict={x: pixelNew, keep_prob: 1.0}) 文件“/Users/ximinlin/anaconda/envs/tensorflow/lib/python2.7/site-packages/tensorflow/python/framework/ops.py”,第 575 行,在 eval return _eval_using_default_session(self, feed_dict, self.graph, session)

文件“/Users/ximinlin/anaconda/envs/tensorflow/lib/python2.7/site-packages/tensorflow/python/framework/ops.py”,第 3633 行,在 _eval_using_default_session 返回 session.run(tensors, feed_dict)

文件“/Users/ximinlin/anaconda/envs/tensorflow/lib/python2.7/site-packages/tensorflow/python/client/session.py”,第 766 行,运行中 run_metadata_ptr)

文件“/Users/ximinlin/anaconda/envs/tensorflow/lib/python2.7/site-packages/tensorflow/python/client/session.py”,第 921 行,在 _run + e.args[0]) TypeError:无法将 feed_dict 键解释为张量:无法将 int 转换为张量。

以下是x和keep_pro的定义:

x = tf.placeholder(tf.float32, [None, 784])

keep_prob = 0

keep_prob 和 x 实际上是 tensorflow 教程中的代码,我只是将它们复制到我的代码中

【问题讨论】:

    标签: python machine-learning tensorflow


    【解决方案1】:

    您没有显示足够的上下文来给出一个非常具体的答案,但您的错误是 xkeep_prob 不是张量,而是在您调用它的点处的整数(您可能已经覆盖了它们,如果您之前将它们定义为张量)。

    因此,错误在于xkeep_prob,而不是changed_result

    【讨论】:

    • x 是张量,keep_prob 不是张量。但是,当他们在代码中执行以下操作时: train_accuracy = accuracy.eval(feed_dict={x:batch[0], y_: batch[1], keep_prob: 1.0}) 没有错误。
    • 如果您指的是 deep mnist 示例,keep_prob 示例中的张量。 keep_prob = tf.placeholder(tf.float32)
    • 谢谢,我知道了
    猜你喜欢
    • 1970-01-01
    • 1970-01-01
    • 2017-07-17
    • 2017-04-08
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2021-01-05
    相关资源
    最近更新 更多