无法使用 tensorflow 创建数组答案

【问题标题】：Cannot make array in using tensorflow无法使用 tensorflow 创建数组
【发布时间】：2016-02-03 12:15:27
【问题描述】：

在将 batch_xs 喂给 x 时，我重新调整了 batch_xs，因为 BATCH_SIZE 为 1。这是我的来源。我不确定是什么导致了 ValueError。

with tf.name_scope("input") as scope:
    x = tf.placeholder(tf.float32, shape=[1, 784])

BATCH_SIZE = 1
DROP_OUT_RATE = 0.4
EPOCH = 1
MEMORIZE = 10
accuracy_array = []
loss = tf.nn.l2_loss(y - x) / BATCH_SIZE
train_step = tf.train.AdamOptimizer(1e-4).minimize(loss)

mnist = input_data.read_data_sets('MNIST_data', one_hot=True)
mnist_list = make_mnist_train_list(55000, 10)
test_list = make_mnist_test_list(5000, 10)
sess = tf.Session()
sess.run(tf.initialize_all_variables())

for i in range(EPOCH):
    for j in range(5500/BATCH_SIZE):
        batch_xs = tf.reshape(mnist_list[0][j*BATCH_SIZE:j*BATCH_SIZE+1], [1, 784])
        sess.run(train_step, feed_dict={x: batch_xs, keep_prob: (1.0 - DROP_OUT_RATE), r_keep_prob: (1.0 - DROP_OUT_RATE)})
        if (i +1)% MEMORIZE == 0:
            accuracy_array.append(loss.eval(session=sess, feed_dict={x: batch_xs, keep_prob: 1.0, r_keep_prob: 1.0}))
            print(accuracy_array[ int(math.floor((i+1)/MEMORIZE -1))])

这给了我价值错误，这对我来说没有意义。

ValueError: Argument must be a dense tensor

【问题讨论】：

您的代码提到了“tf.nn.l2_loss(y - x) / BATCH_SIZE”，但没有在任何地方定义 y。这是完整的例子吗？还请附上错误的全文，希望能指出导致问题的行。

标签： tensorflow

【解决方案1】：

来自文档here：

feed_dict 中的每个键都可以是以下类型之一：

如果键是张量，则值可能是 Python 标量、字符串、列表或 numpy ndarray，可以转换为与该张量相同的 dtype。此外，如果键是占位符，则将检查值的形状是否与占位符兼容。

如果 key 是 SparseTensor，则 value 应该是 SparseTensorValue。

您可以用作feed_dict 中键的“值”的类型应该是 Python 原始类型或 numpy 数组。您正在使用 tf.reshape 的结果，它是一种 TensorFlow 张量类型。如果你想提供一个重新整形的数组，你可以简单地使用np.reshape。

【讨论】：