代码之家 › 专栏 › 技术社区 › silent_dev

Tensorflow-无法将浮点变量添加到稀疏占位符矩阵

deep-learning tensorflow python

0

silent_dev · 技术社区 · 5 年前

m_2 = relu(alpha*m + beta)

我试图实现以下目标:

alpha = tf.get_variable("alpha", shape=[1,], dtype=tf.float32,  initializer = 
                                     tf.contrib.layers.xavier_initializer())
beta = tf.get_variable("beta", shape=[1, ], dtype=tf.float32,
                                    initializer = tf.contrib.layers.xavier_initializer())

m_2 = tf.nn.relu(alpha * m + beta)

但我得到以下错误:

TypeError: Expected float32, got <tensorflow.python.framework.sparse_tensor.SparseTensor object at 0x0000026A771AE358> of type 'SparseTensor' instead.

m_2 = tf.nn.relu(alpha * m)



TypeError: Failed to convert object of type <class 'tensorflow.python.framework.sparse_tensor.SparseTensor'> to Tensor. Contents: SparseTensor(indices=Tensor("Placeholder_2:0", shape=(?, ?), dtype=int64), values=Tensor("mul_1:0", shape=(?,), dtype=float32), dense_shape=Tensor("Placeholder:0", shape=(?,), dtype=int64)). Consider casting elements to a supported type.

最后,如果我不使用tf.nn.relu, m_2 = alpha*m 我的代码运行良好。

有人能帮我理解发生了什么事,我怎样才能让它工作?

0 回复 | 直到 5 年前