python - 为一个热编码数据定义占位符张量

Question

运行以下代码:

 loss = tf.losses.softmax_cross_entropy(onehot_labels=training_outputs, logits=logits)
optimizer = tf.train.GradientDescentOptimizer(learning_rate=0.1).minimize(loss)

    init = tf.global_variables_initializer()
    
    # define placeholder for inputs to network
    xs = tf.placeholder(tf.float32,[None,2000])
    ys = tf.placeholder(tf.float32,[None,81])
    
    
    with tf.Session() as sess:
        sess.run(init)
        for i in range(1000):
            sess.run(optimizer, feed_dict={xs:training_inputs, ys:training_outputs})

返回错误:

InvalidArgumentError: You must feed a value for placeholder tensor 'Placeholder_150' with dtype float
     [[Node: Placeholder_150 = Placeholder[dtype=DT_FLOAT, shape=[], _device="/job:localhost/replica:0/task:0/cpu:0"]()]]

我认为这与 training_inputs 和 training_outputs 的格式有关，即:

training_inputs 和 training_outputs 是一种热编码。但每个都应该是 array([],[]....) 类型而不是 array([[],[],...]) 吗？

Answer 1

training_inputs & training_outputs are one hot encoded. But should each be of type array([],[]....) instead of array([[],[],...]) ?

不，输入和输出看起来很好。

该错误表明您没有提供运行优化器张量所需的占位符。从错误消息中的占位符名称 (Placeholder_150) 可以看出您已经创建了许多占位符。

当您将笔记本与 tensorflow 结合使用时，您需要知道的一件事是，每次使用

执行单元时

xs = tf.placeholder(tf.float32,[None,2000])
ys = tf.placeholder(tf.float32,[None,81])

新的占位符将添加到图表中。第一次执行时“Placeholder_0”和“Placeholder_1”将被添加，第二次“Placeholder_2”和“Placeholder_3” ，等等。

问题可能是 xs 或 ys 不再引用用于计算优化器 的相同占位符。

例如，如果您首先执行，就会发生这种情况

 xs = tf.placeholder(tf.float32,[None,2000])
 ys = tf.placeholder(tf.float32,[None,81])

然后是从xs和ys构建optimizer的部分，然后执行

 xs = tf.placeholder(tf.float32,[None,2000])
 ys = tf.placeholder(tf.float32,[None,81])

在运行 session 之前再次进行。

编辑:在创建优化器张量后创建占位符也是错误的。因为优化器应该依赖于这些占位符。第一次运行笔记本时应该会出现错误，但第二次可能会导致出现错误。