将 dtype np.float32 输入到 TensorFlow 占位符答案

【问题标题】：Feeding dtype np.float32 to TensorFlow placeholder将 dtype np.float32 输入到 TensorFlow 占位符
【发布时间】：2017-01-02 02:00:11
【问题描述】：

我正在尝试将类型为 : float32 的 numpy ndarray 提供给 TensorFlow 占位符，但它给了我以下错误：

You must feed a value for placeholder tensor 'Placeholder' with dtype float

我的占位符定义为：

n_steps = 10
n_input = 13
n_classes = 1201

x = tf.placeholder("float", [None, n_steps, n_input])
y = tf.placeholder("float", [None, n_classes])

它给我上述错误的那一行是：

sess.run(optimizer, feed_dict={x: batch_x, y: batch_y})

我的 batch_x 和 batch_y 是 dtype('float32') 的 numpy ndarray。以下是我使用 pdb 打印的类型：

(Pdb)batch_x.dtype
dtype('float32')
(Pdb)x.dtype
tf.float32

我也尝试过将 batch_x 和 batch_y 类型转换为 tf.float32，因为 x 似乎属于 dtype tf.float32 但运行带有类型转换的代码：

sess.run(optimizer, feed_dict={x: tf.to_float(batch_x), y: tf.to_float(batch_y)})

给出以下错误：

TypeError: The value of a feed cannot be a tf.Tensor object. Acceptable feed values include Python scalars, strings, lists, or numpy ndarrays.

我应该如何提供占位符？我应该使用什么类型的？任何帮助/建议将不胜感激！

【问题讨论】：

你所拥有的似乎是正确的。你介意尝试一个更小的程序吗？例如，以下是否有效？ z = tf.reduce_sum(x) + tf.reduce_sum(y); sess.run(z, feed_dict={x:np.zeros([1, 10, 13]), y:np.zeros([1, 1201])})

【解决方案1】：

对于你的第一个问题，你确定batch_y 也是float32 吗？您只提供batch_x 类型的踪迹，而batch_y 更可能是整数，因为它似乎是您的类的单热编码。

对于第二个问题，你做错的是你在一个常规的 numpy 数组上使用了tf.to_float，这是一个张量操作。您应该使用 numpy cast 代替：

sess.run(optimizer, feed_dict={x: batch_x.astype(np.float32), y: batch_y.astype(np.float32)})

【讨论】：