Tensorflow：reduce_prod漸變破損？

Question

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：

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) 

Answer 1

OP自我解決的問題：這是一個old TensorFlow bug已定長1.0版本之前，應該不再是相關的人。