如何使用 tf.reshape()？答案

【问题标题】：How do I use tf.reshape()?如何使用 tf.reshape()？
【发布时间】：2018-12-28 20:18:08
【问题描述】：

import tensorflow as tf    
import random    
import numpy as np    

x = tf.placeholder('float')   
x = tf.reshape(x, [-1,28,28,1])

with tf.Session() as sess:
    x1 = np.asarray([random.uniform(0,1) for i in range(784)])
    result = sess.run(x, feed_dict={x: x1})
    print(result)

我在使用 mnist 数据进行整形时遇到了一些问题，但这个问题是我的问题的简化版本...... 为什么这段代码实际上不起作用？

显示

“ValueError: 无法为 Tensor 'Reshape:0' 提供形状 (784,) 的值，其形状为 '(?, 28, 28, 1)'”。

我该如何解决？

【问题讨论】：

标签： python numpy tensorflow reshape mnist

【解决方案1】：

重新分配后，x 是一个形状为[-1,28,28,1] 的张量，正如错误所说，您不能将(784,) 调整为(?, 28, 28, 1)。您可以使用不同的变量名：

import tensorflow as tf
import random
import numpy as np

x = tf.placeholder('float')
y = tf.reshape(x, [-1,28,28,1])

with tf.Session() as sess:
    x1 = np.asarray([random.uniform(0,1) for i in range(784)])
    result = sess.run(y, feed_dict={x: x1})
    print(result)

【讨论】：

【解决方案2】：

概念上 你在这里得到错误，因为当你使用sess.run(x, feed_dict{x:x1})时。这是试图喂养和重塑相同的变量。这会在运行时产生问题。因此，您不能使用单个变量来执行此操作。

import tensorflow as tf
import random
import numpy as np

x = tf.placeholder('float')
y = tf.reshape(x, [-1,28,28,1])

with tf.Session() as sess:
    x1 = np.asarray([random.uniform(0,1) for i in range(784)])
    result = sess.run(y, feed_dict={x: x1})
    print(result)

在 tensorflow 中，变量是占位符。因此，x 将保存浮点值，而另一个变量 y 将保存形状为 [-1,28,28,1] 的值。

如果使用相同的变量名，那么它必须充当两个事物的占位符。这是不可能的。

【讨论】：