python - TensorFlow:形状错误

Question

训练我的 MNIST 分类网络后，我想“预测”测试数据，并得到以下关于测试输入形状的错误

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

ValueError:无法为张量 u'Placeholder_2:0' 提供形状 (1, 28000, 784) 的值，该张量的形状为 (Dimension(None), Dimension(784))

那么，为什么形状是 (28000, 784)(它应该是)，但是当输入经过训练的网络时，它会显示为 (1, 28000, 784)？

顺便说一句，对于训练，我通过以下方式包含了训练数据

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。不确定这样是否可以。此外，您标记为 x 的内部条目的格式为 [testimages]。因此，如果 testimages.shape = (28000, 784)，用数组将其包裹起来将使其变为 (1, 28000, 784)。