python - sess.run 中的 Tensorflow 不可散列类型 'list'

Question

这些帖子确实有数千篇，但我还没有看到一篇能解决我的确切问题的帖子。如果存在，请随时关闭。

我知道列表在 Python 中是可变的。因此，我们不能将列表存储为字典中的键。

我有以下代码(因为不相关而省略了很多代码):

with tf.Session() as sess:
    sess.run(init)
    step = 1

    while step * batch_size < training_iterations:
            for batch_x, batch_y in batch(train_x, train_y, batch_size):

            batch_x = np.reshape(batch_x, (batch_x.shape[0],
                                           1,
                                           batch_x.shape[1]))
            batch_x.astype(np.float32)

            batch_y = np.reshape(batch_y, (batch_y.shape[0], 1))
            batch_y.astype(np.float32)

            sess.run(optimizer, feed_dict={x: batch_x, y: batch_y})
            if step % display_step == 0:
                # Calculate batch accuracy
                acc = sess.run(accuracy,
                               feed_dict={x: batch_x, y: batch_y})
                # Calculate batch loss
                loss = sess.run(cost, feed_dict={x: batch_x, y: batch_y})
                print("Iter " + str(step*batch_size) +
                      ", Minibatch Loss= " +
                      "{:.6f}".format(loss) + ", Training Accuracy= " +
                      "{:.5f}".format(acc))
        step += 1
    print("Optimization Finished!")

train_x 是一个[batch_size, num_features] numpy 矩阵

train_y 是一个[batch_size, num_results] numpy 矩阵

我的图表中有以下占位符:

x = tf.placeholder(tf.float32, shape=(None, num_steps, num_input))
y = tf.placeholder(tf.float32, shape=(None, num_res))

所以我自然需要转换我的 train_x 和 train_y 以获得 tensorflow 期望的正确格式。

我用以下方法做到这一点:

 batch_x = np.reshape(batch_x, (batch_x.shape[0],
                                1,
                                batch_x.shape[1]))

 batch_y = np.reshape(batch_y, (batch_y.shape[0], 1))

这个结果给了我两个 numpy.ndarray:

batch_x 的维度是 [batch_size, timesteps, features]batch_y 的维度是 [batch_size, num_results]

正如我们的图表所预期的那样。

现在，当我传递这些 reshape 的 numpy.ndarray 时，我在以下行中得到 TypeError: Unhashable type list:

sess.run(optimizer, feed_dict={x: batch_x, y: batch_y})

这对我来说似乎很奇怪，因为启动了 python:

import numpy as np
a = np.zeros((10,3,4))
{a : 'test'}
TypeError: unhashable type: 'numpy.ndarray`

您可以看到我收到了一条完全不同的错误消息。

在我的代码中，我对数据执行了一系列转换:

x = tf.transpose(x, [1, 0, 2])
x = tf.reshape(x, [-1, num_input])
x = tf.split(0, num_steps, x)


lstm_cell = rnn_cell.BasicLSTMCell(num_hidden, forget_bias=forget_bias)
outputs, states = rnn.rnn(lstm_cell, x, dtype=tf.float32)

列表唯一出现的地方是在切片之后，这会产生 rnn.rnn 期望的 T 大小的张量列表。

我在这里完全不知所措。我觉得我正盯着解决方案，但我看不到它。有谁可以帮我离开这里吗？

谢谢!

Answer 1

我在这里觉得有点傻，但我相信其他人也会遇到这个问题。

tf.split 生成列表的那一行就是问题所在。

我没有将它们拆分成单独的函数，而是直接修改了 x(如我的代码所示)并且从未更改过名称。所以当代码在 sess.run 中运行时，x 不再是预期的张量占位符，而是图中变换后的张量列表。

重命名 x 的每个转换解决了这个问题。

我希望这对某人有帮助。