0
我試圖儘量減少與大小n*m
定義了一個變量張量的簡單損失的問題是當我跑步時的優化,我有以下錯誤:Tensorflow:reduce_prod漸變破損?
ValueError: Shape() must have rank 1
好奇的是,如果不是tf.reduce_prod
我使用tf.reduce_sum
,它工作得很好,但損失的形狀保持不變。 任何人都可以嘗試這個,並告訴我,如果結果是在別處相同?
def someloss(a):
da=tf.reduce_prod(a,reduction_indices=1)
return tf.reduce_mean(tf.sqrt(tf.square(da)))
n=5
m=2
a=tf.Variable(tf.random_normal([n,m],mean=1.0, stddev=0.35))
cost=someloss(a)
opt = tf.train.AdamOptimizer().minimize(cost)
sess = tf.Session()
init = tf.initialize_all_variables()
with sess.as_default():
sess.run(init)
for i in range(100):
sess.run(opt)
不能重現... – sygi
它適合你嗎?你沒有錯誤? – user3575801
是的,它適用於我。 – sygi