TensorFlow：形状错误

Question

在训练我的 MNIST 分类网络后，我想对测试数据进行“预测”，但在测试输入的形状方面出现以下错误

testimages = np.array(test)
print(testimages.shape)
> (28000, 784)
feed_dict = {x: [testimages]}
classification = sess.run(y, feed_dict)

ValueError: 无法为具有形状 (Dimension(None), Dimension(784)) 的张量 u'Placeholder_2:0' 提供形状 (1, 28000, 784) 的值

那么形状怎么可能是 (28000, 784)（它应该是），但是当输入到经过训练的网络时，它会显示为 (1, 28000, 784)？

顺便说一句，为了训练，我通过

包含了训练数据

trainlabels = np.array(train["label"])
trainimages = np.array(train.iloc[:, 1:])

因为训练数据的第一列说明了标签。我正在使用 Pandas 进行导入。

Answer 1

快速回答：从feed_dict = {x: [testimages]} 更改为feed_dict = {'x': testimages}

在您的输入中，您传递了feed_dict，这是一个字典。不确定是否可以。此外，您标记为x 的内部条目的格式为[testimages]。所以如果testimages.shape = (28000, 784)，用数组包裹它会变成(1, 28000, 784)。