定義一個佔位符，張一個熱編碼數據

運行下面的代碼：定義一個佔位符，張一個熱編碼數據

loss = tf.losses.softmax_cross_entropy(onehot_labels=training_outputs, logits=logits) 
optimizer = tf.train.GradientDescentOptimizer(learning_rate=0.1).minimize(loss) 

    init = tf.global_variables_initializer() 

    # define placeholder for inputs to network 
    xs = tf.placeholder(tf.float32,[None,2000]) 
    ys = tf.placeholder(tf.float32,[None,81]) 


    with tf.Session() as sess: 
     sess.run(init) 
     for i in range(1000): 
      sess.run(optimizer, feed_dict={xs:training_inputs, ys:training_outputs})

返回錯誤：

InvalidArgumentError: You must feed a value for placeholder tensor 'Placeholder_150' with dtype float 
    [[Node: Placeholder_150 = Placeholder[dtype=DT_FLOAT, shape=[], _device="/job:localhost/replica:0/task:0/cpu:0"]()]]

我認爲這是關係到training_inputs & training_outputs的格式是：

training_inputs & training_outputs是一個熱編碼。但是，每個都應該是array([],[]....)而不是array([[],[],...])？

來源

2017-09-01 blue-sky

training_inputs & training_outputs是一個熱門編碼。但是，每一個都應該是數組類型（[]，[] ....）而不是數組（[[]，[]，...]）？

不，輸入和輸出看起來不錯。

錯誤提示您未提供運行optimizer張量所需的佔位符。從錯誤消息（Placeholder_150）中的佔位符名稱可以看出，您創建了許多佔位符。你要知道，當你在tensorflow組合使用筆記本

一件事是，每次你執行單元與

xs = tf.placeholder(tf.float32,[None,2000]) 
ys = tf.placeholder(tf.float32,[None,81])

新佔位符將被添加到圖。第一次執行"Placeholder_0"和"Placeholder_1"將在第二次添加"Placeholder_2"和"Placeholder_3"，依此類推。

問題可能是xs或ys不是指用於計算optimizer的相同佔位符。

這可能發生，例如，如果你第一次執行

xs = tf.placeholder(tf.float32,[None,2000]) 
ys = tf.placeholder(tf.float32,[None,81])

然後從xs和ys建立optimizer的部分，然後運行會話之前執行

xs = tf.placeholder(tf.float32,[None,2000]) 
ys = tf.placeholder(tf.float32,[None,81])

一次。

編輯：在創建optimizer張量後創建佔位符也是一個錯誤。由於optimizer應取決於這些佔位符。它應該在您第一次運行筆記本時出現錯誤，但第二次可能會導致出現錯誤。

來源

2017-09-01 08:43:55 GeertH

哪裏是優化和XS，YS佔位符之間的依賴？作爲xs，ys佔位符在筆記本中只聲明一次，那麼它們如何引用不同的佔位符？ –

1）我看不到你的問題中的代碼。但我期望計算'logits'需要'xs'，'ys'應該作爲'onehot_labels參數'提供（我看到你現在使用'training_outputs'，這也是一個bug ）。 2）您可以多次執行佔位符的單元格。如果'logits'取決於'xs'的舊值，那麼您將會看到一個錯誤，請參閱我在答案中給出的示例。 – GeertH

您正在使用jupyter筆記本來定義您的模型，不是嗎？您的'placeholder_150'看起來像是一次又一次地運行佔位符定義。只需嘗試重新啓動筆記本電腦並按順序執行每一步。有些事情可能會改變。試一試 – nessuno

，我認爲你是被混淆的損失計算

# Here onehot_labels is not exactly the training outputs data, but the ground truths labels placeholder <ys> of your training data <xs> 
# this line should be replaced with 
loss = tf.losses.softmax_cross_entropy(onehot_labels=training_outputs, logits=logits) 
# this one 
loss = tf.losses.softmax_cross_entropy(onehot_labels=ys, logits=logits)

來源

2017-09-01 12:55:53

定義一個佔位符，張一個熱編碼數據

回答

相關問題