将dtype np.float32提供给TensorFlow占位符

Question

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

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 ndarrays。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，因为看起来x是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.

我该如何喂养占位符？我应该使用什么类型的？ 任何帮助/建议将不胜感激！

Answer 1

对于您的第一个问题，您确定batch_y也是float32吗？您只提供batch_x类型的跟踪，batch_y更可能是整数，因为它似乎是您的类的一个热门编码。

对于第二个问题，你做错了是你在常规的numpy数组上使用tf.to_float，这是一个张量操作。你应该使用numpy cast intstead：

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