我们可以将 tf.variable 提供给 feed_dict 中的 tf.placeholder 吗？

Question

我想用 tensorflow 做一个简单的任务。但我遇到了一个错误

import numpy as np
import pandas as pd

fv = tf.Variable(10.0,name="first_var")

sv = tf.Variable(20.0,np.random.randn(),name="second_var")

fvp = tf.placeholder("float32",name="first_fvp",shape=[])

svp = tf.placeholder("float32",name="second_svp",shape=[])

result = tf.Variable(0.0,name="output")

result =  np.multiply(fvp,svp)

sess = tf.Session()

sess.run(tf.global_variables_initializer())

print(sess.run(result,feed_dict={fvp:fv,svp:sv}))

错误 = 使用序列设置数组元素。

在这种情况下，我得到一个错误

如果我使用

print(sess.run(result,feed_dict={fvp:5.0,svp:10.0}))

我得到输出 50.0

Answer 1

首先，我还是不太明白你的问题是什么。看来您已经解决了该错误。如果可能，请编辑。

关于那个错误：

您不能将张量输入feed_dict。

仔细阅读tensorflow/python/client/session.py。当您向feed_dict={} 提供一些数据时，可接受的提要值包括 Python 标量、字符串、列表、numpy ndarray 或 TensorHandles。在您的情况下，fv 和 sv 是张量。

所以你的第二个print(sess.run(result,feed_dict={fvp:5.0,svp:10.0})) 可以工作。

你也可以试试fv = np.array([10.0]),sv = np.array([20.0])

另外，你不需要这个result = tf.Variable(0.0,name="output")，如果你想命名输出，你可以使用result = tf.identity(np.multiply(fvp,svp), name="output")