TensorFlow 的占位符大小

Question

我对如何使用占位符进行批量训练感到困惑。在我的代码中，输入图像的大小为 3 x 3。为了进行批量训练，我设置了 tf.placeholder(tf.float32,shape=[None,3,3])。

当我尝试将 3x3 批次作为输入时，TensorFlow 给出的错误是

Cannot feed value of shape (3, 3) for Tensor u'Placeholder_1:0', which has shape '(?, 3, 3).

下面是代码

input = np.array([[1,1,1],[1,1,1],[1,1,1]])
placeholder = tf.placeholder(tf.float32,shape=[None,3,3])
init = tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)
    sess.run(placeholder, feed_dict{placeholder:input})

Answer 1

您的占位符的形状为 None x 3 x 3，因此您需要输入具有 3 维度的数据，即使第一个维度的大小为 1（即在您的情况下为 1 x 3 x 3 而不是3 x 3)。向数组添加额外维度（大小为 1）的一种简单方法是执行array[None]。如果array 的形状为3 x 3，那么array[None] 的形状为1 x 3 x 3。因此您可以将代码更新为

inputs = np.array([[1, 1 ,1], [1, 1, 1], [1, 1, 1]])
placeholder = tf.placeholder(tf.float32,shape=[None, 3, 3])
init = tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)
    sess.run(placeholder, feed_dict{placeholder: inputs[None]})

（我将input 更改为inputs，因为input 是Python 中的关键字，不应用作变量名）

请注意，如果 inputs 已经是 3D，则您不会想要执行 inputs[None]。如果它可能是 2D 或 3D，则需要像 inputs[None] if inputs.ndim == 2 else inputs 这样的条件。