我是tensorflow的新手,想训练一个逻辑模型进行分类.
# Set model weights
W = tf.Variable(tf.zeros([30, 16]))
b = tf.Variable(tf.zeros([16]))
train_X, train_Y, X, Y = input('train.csv')
#construct model
pred = model(X, W, b)
# Minimize error using cross entropy
cost = tf.reduce_mean(-tf.reduce_sum(Y*tf.log(pred), reduction_indices=1))
# Gradient Descent
learning_rate = 0.1
#optimizer = tf.train.AdamOptimizer(learning_rate).minimize(cost)
optimizer = tf.train.GradientDescentOptimizer(learning_rate).minimize(cost)
# Initializing the variables
init = tf.initialize_all_variables()
get_ipython().magic(u'matplotlib inline')
import collections
import matplotlib.pyplot as plt
training_epochs = 200
batch_size = 300
train_X, train_Y, X, Y = input('train.csv')
acc = []
x = tf.placeholder(tf.float32, [None, 30])
y = tf.placeholder(tf.float32, [None, 16])
with tf.Session() as sess:
sess.run(init)
# Training cycle
for epoch in range(training_epochs):
avg_cost = 0.0
#print(type(y_train[0][0]))
print(type(train_X))
print(type(train_X[0][0]))
print X
_, c = sess.run([optimizer, cost], feed_dict = {x: train_X, y: train_Y})
feef_dict方法不起作用,出现以下抱怨：
InvalidArgumentError: You must feed a value for placeholder tensor
‘Placeholder_54′ with dtype float [[Node: Placeholder_54 =
Placeholderdtype=DT_FLOAT, shape=[],
_device=”/job:localhost/replica:0/task:0/cpu:0″]] Caused by op u’Placeholder_54’:
我检查数据类型,以获取训练特征数据X：
train_X type: <type 'numpy.ndarray'>
train_X[0][0]: <type 'numpy.float32'>
train_X size: (300, 30)
place_holder info : Tensor("Placeholder_56:0", shape=(?, 30), dtype=float32)
我不知道为什么会抱怨.希望某人能有所帮助,谢谢
解决方法:
从您的错误消息中,丢失的占位符的名称“ Placeholder_54”很可疑,因为这表明在当前解释器会话中至少创建了54个占位符.
没有足够的细节可以肯定地说,但我有些怀疑.您是否在同一解释器会话中多次运行同一代码(例如,使用IPython / Jupyter或Python Shell)？假设是这种情况,我怀疑您的成本张量取决于该代码的先前执行中创建的占位符.
确实,您的代码在构建了模型的其余部分之后创建了两个tf.placeholder()张量x和y,因此似乎有可能：
>缺少的占位符是在此代码的先前执行中创建的,或者
> input()函数在内部调用tf.placeholder(),您应该使用这些占位符(也许是张量X和Y？).
标签：tensorflow,types,python 来源： https://codeday.me/bug/20191026/1938433.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。