python - Tensorflow:InvalidArgumentError:您必须使用 dtype int32 为占位符张量 'yy' 提供一个值

Question

import tensorflow as tf
y_hat = tf.constant(36, name='y_hat')            # Define y_hat constant. Set to 36.
yy = tf.placeholder(tf.int32, shape=[])

loss = tf.Variable((yy - y_hat)**2, name='loss')  # Create a variable for the loss

init = tf.global_variables_initializer()    

with tf.Session() as session:
    session.run(tf.global_variables_initializer(), feed_dict = {yy: 39})
    print(session.run(loss, feed_dict={yy: 39}))

作为 Tensorflow 的新手，我很难理解如何在此框架中管理占位符。

如果我第一次运行上面的代码，它会返回 9(正确值)。但是如果我在同一个 jupyter session 中再次运行它，我会收到以下错误。就好像全局变量(在本例中为占位符)没有得到清理，尽管我使用“with”关闭 session

堆栈跟踪:

InvalidArgumentError: You must feed a value for placeholder tensor 'yy' with dtype int32
     [[Node: yy = Placeholder[dtype=DT_INT32, shape=[], _device="/job:localhost/replica:0/task:0/cpu:0"]()]]
Caused by op 'yy', defined at:
  File "/opt/conda/lib/python3.6/runpy.py", line 193, in _run_module_as_main
    "__main__", mod_spec)
  File "/opt/conda/lib/python3.6/runpy.py", line 85, in _run_code
    exec(code, run_globals)

知道发生了什么以及如何解决它吗？谢谢

Answer 1

在 import tensorflow as tf 正下方添加 tf.reset_default_graph() 行，这样每次运行代码时您的 tensorflow 图都会重置。那么你就不会得到这个错误。

顺便说一句，您实际上不需要将loss 指定为变量。你可以跑

import tensorflow as tf
y_hat = tf.constant(36, name='y_hat')    
yy = tf.placeholder(tf.int32, shape=[])

loss = (yy - y_hat)**2  

with tf.Session() as session:
    print(session.run(loss, feed_dict={yy: 39}))

上面的代码打印出 9。