代码之家 › 专栏 › 技术社区 › Parth Kabariya

我们可以在feed dict中将tf.variable提供给tf.placeholder吗?

machine-learning tensorflow python

-1

Parth Kabariya · 技术社区 · 7 年前

我想用tensorflow做一个简单的任务。但我犯了一个错误

import numpy as np
import pandas as pd

fv = tf.Variable(10.0,name="first_var")

sv = tf.Variable(20.0,np.random.randn(),name="second_var")

fvp = tf.placeholder("float32",name="first_fvp",shape=[])

svp = tf.placeholder("float32",name="second_svp",shape=[])

result = tf.Variable(0.0,name="output")

result =  np.multiply(fvp,svp)

sess = tf.Session()

sess.run(tf.global_variables_initializer())

print(sess.run(result,feed_dict={fvp:fv,svp:sv}))

错误=用序列设置数组元素。

如果我用

print(sess.run(result,feed_dict={fvp:5.0,svp:10.0}))

1 回复 | 直到 7 年前

1

0

null 7 年前

首先,我还是不太明白你的问题是什么。看来你已经解决了那个错误。如果可能,请编辑。

关于那个错误:

你不能用张量来解释 feed_dict

阅读 tensorflow/python/client/session.py feed_dict={} ,可接受的feed值包括Python标量、字符串、列表、numpy ndarrays或TensorHandles。在你的情况下 fv 和 sv 是张量。

所以你的第二个 print(sess.run(result,feed_dict={fvp:5.0,svp:10.0})) 会有用的。

fv = np.array([10.0]) , sv = np.array([20.0])

result = tf.Variable(0.0,name="output") ,如果要命名输出,可以使用 result = tf.identity(np.multiply(fvp,svp), name="output")