machine-learning - 为什么 tensorflow 中的这段代码不起作用？

Question

我的代码是这样写的。

def __init__(self, X):
    ops.reset_default_graph()
    tl.layers.clear_layers_name()

    self.sess = tf.Session()

    self.input_x = tf.placeholder(tf.float32, shape=[None, 784],name="input")  

    input_layer = tl.layers.InputLayer(self.input_x)
    drop1 = tl.layers.DropoutLayer(input_layer, keep=0.8, name="drop1")
    relu1 = tl.layers.DenseLayer(drop1, n_units=800, act = tf.nn.relu)
    drop2 = tl.layers.DropoutLayer(relu1, keep=0.5, name="drop2")

    self.output = drop2.all_layers[-1]

    self.gradient = tf.gradients(self.output,self.input_x)

    init_op = tf.initialize_all_variables()
    self.sess.run(init_op)
    self.output.eval(session=self.sess, feed_dict={self.input_x:X})

正如你所看到的，只有一个占位符发起，但是，我遇到了

InvalidArgumentError: You must feed a value for placeholder tensor 'Placeholder' with dtype float [[Node: Placeholder = Placeholderdtype=DT_FLOAT, shape=[], _device="/job:localhost/replica:0/task:0/cpu:0"]]

我百分百确定我输入的 X 类型为 float32，形状为 [1000,784]。

Answer 1

正如 Olivier 正确指出的那样，缺少 feed 值的占位符张量的名称与您直接创建的占位符张量(“输入”)的名称不同。

如果您使用TensorLayer ，如果不了解 TensorLayer 层的内部结构，您可能无法仅调用 session.run 或 some_tensor.eval 。例如，它们的每个 DropoutLayer 实例在内部创建一个 tf.placeholder for the keep probability 。

也就是说，这个库似乎希望您仅通过其 API(例如 fit 和 test)与您的模型进行交互，如下例所示:

# Train the network, we recommend to use tl.iterate.minibatches()
tl.utils.fit(sess, network, train_op, cost, X_train, y_train, x, y_,
            acc=acc, batch_size=500, n_epoch=500, print_freq=5,
            X_val=X_val, y_val=y_val, eval_train=False)

# Evaluation
tl.utils.test(sess, network, acc, X_test, y_test, x, y_, batch_size=None, cost=cost)

来自:https://github.com/zsdonghao/tensorlayer#your-first-program