TensorFlow FixedLengthRecordReader占位符数据类型错误
TensorFlow FixedLengthRecordReader是一个用于读取固定长度记录的读取器。它是TensorFlow中的一个数据读取操作，用于从文件中读取固定长度的记录。
占位符数据类型错误是指在使用TensorFlow FixedLengthRecordReader时，占位符的数据类型与实际数据类型不匹配的错误。占位符是在TensorFlow中用于定义输入数据的变量，它在图的构建阶段被定义，但在图的执行阶段被填充实际的数据。
当使用FixedLengthRecordReader时，我们需要为每个记录定义一个占位符，并指定其数据类型。如果在填充实际数据时，数据类型与占位符定义的数据类型不匹配，就会出现占位符数据类型错误。
解决这个错误的方法是确保占位符的数据类型与实际数据的类型一致。可以通过检查数据的类型并相应地更改占位符的数据类型来解决这个问题。
TensorFlow提供了丰富的数据类型，包括tf.float32、tf.int32、tf.string等。根据实际情况选择合适的数据类型，并将其应用于占位符。
关于TensorFlow FixedLengthRecordReader的更多信息和使用示例，可以参考腾讯云的相关产品文档：
相关·内容
1回答
我是对象检测API和TensorFlow的新手。我学习了教程，最后制作了一个frozen_inference_graph.pb。我想在我的手机上运行这个对象检测模型，据我理解，这需要我将其转换为.tflite (如果这没有任何意义，请使用lmk )。
当我试图使用以下标准代码转换它时：
import tensorflow as tf
graph = 'pathtomygraph'
input_arrays = ['image_tensor']
output_arrays = ['all_class_predictions_with_background&
浏览 4提问于2019-09-28得票数 0
我正在使用神经网络的tensorflow的简单示例：
# define the numbers of nodes in hidden layers
nodesLayer1 = 500
nodesLayer2 = 500
nodesLayer3 = 500
# define our goal class
classes = 2
batchSize = 500
# x for input, y for output
sizeOfRow = len(data[0])
x = tensorFlow.placeholder(dtype= "float", shape=[None, s
浏览 0提问于2016-11-14得票数 0
1回答
import tensorflow as tf
path = "C:/Users/LAWSSSS/Desktop/convert_pb_2_tflite/frozen_inference_graph-SteelRoll.pb"
inputs = ["image_tensor"]
outputs = ["detection_boxes"]
converter = tf.lite.TFLiteConverter.from_frozen_graph(path, inputs, outputs, input_shapes={"image_t
浏览 0提问于2020-03-23得票数 0
在将数据输入占位符代码gist is 时出现错误
错误是：
tensorflow.python.framework.errors.InvalidArgumentError: You must feed a value for placeholder tensor 'Placeholder' with dtype float and shape [200,2]
[[Node: Placeholder = Placeholder[dtype=DT_FLOAT, shape=[200,2], _device="/job:localhost/replica:0/task:0/c
浏览 1提问于2017-05-18得票数 0
我得到了以下错误：
anaconda2/envs/tensorflow/lib/python2.7/site-packages/tensorflow/python/ops/gradients.py:90: UserWarning:将稀疏IndexedSlices转化为形状未知的密集张量。这可能会消耗大量内存。“将稀疏IndexedSlices转换为形状未知的密集张量。”回溯(最近一次调用)：
trainstep = tf.train.AdamOptimizer(0.0001).minimize(lossobj)
文件"anaconda2/envs/tensorflow/lib/pyth
浏览 5提问于2017-01-25得票数 0
我正在使用Tensorflow CNN模型，并根据我的场景进行了更改。以前，同样的代码在MNIST数据集上运行良好，但现在，在输入我自己的数据集后，标签的占位符y_true造成了问题。代码片段：
x = tf.placeholder("float",shape=[88, 128])
y_true = tf.placeholder("float",shape=[None, 3])
会话中的y_true出现错误。代码片段：
sess.run(train,feed_dict={x:batch_x, y_true:batch_y,hold_prob:0.5})
错误：
浏览 1提问于2018-01-20得票数 1
给定tensorflow中的计算图，在底层代码中查找错误(如果有的话)。
import tensorflow as tf
import numpy as np
input = tf.placeholder(shape=(1, 224, 224, 3), dtype=tf.float32)
output = input + 5
with tf.Session() as sess:
network_input = np.random.randint(5, size=(700, 350, 3))
out = sess.run(output, feed_dict = {input : net
浏览 0提问于2019-07-03得票数 0
回答已采纳
我是机器学习和Tensorflow的新手，通过使用它的示例教程源代码，模型得到了训练和打印的准确性，但它不包括导出模型和变量的源代码，也不包括用于预测新图像的源代码。
因此，我修改了源代码以导出模型，并创建了一个新的python脚本，以便使用测试数据集进行预测。
下面是导出培训模型的源代码：
mnist = input_data.read_data_sets(FLAGS.data_dir, one_hot=True)
print("run here3")
# Create the model
x = tf.placeholder(tf.float32, [None, 784],
浏览 5提问于2017-04-07得票数 1
回答已采纳
我是tensorflow的新手，我有一个关于常数函数的运作方式的问题。下面有一个简单的程序：
import tensorflow as tf
a = tf.placeholder("float")
b = tf.constant(0.0)
y = tf.mul(x=a,y=b)
with tf.Session() as sess:
print(sess.run(y,feed_dict={a:1,b:4}))
我得到的输出是4.0。但是，我将'b‘设置为值为0的常量。
我不是在寻找一个错误，而是希望输出值为0。请帮我理解一下这种行为。
浏览 3提问于2016-09-06得票数 1
回答已采纳
系统信息: Mac OS Mojave
TensorFlow安装自(源代码或二进制文件)：pip install tensorflow
TensorFlow版本(如果来自源代码，则为github SHA )：1.12
我正在尝试将一个简单的卷积tensorflow模型转换为tensorflow lite。我已经有SavedModel格式的了。但是，当我尝试在保存的模型上运行转换工具时，我得到：
RuntimeError: TOCO failed see console for info. b"2018-12-30 15:40:54.449737: I tensorflow/contri
浏览 0提问于2019-01-02得票数 0
三周前我可以运行我的python程序，但现在每次我尝试运行它时，我都会得到以下错误： AttributeError: module 'tensorflow' has no attribute 'placeholder' 我安装了tensorflow (版本'2.0.0-alpha0')。我已经阅读了几篇与这个问题相关的文章。他们说我应该卸载TensorFlow，然后重新安装。问题是我在群集计算机上运行此程序，并且我没有sudo权限。 有什么想法吗？
浏览 172提问于2019-05-21得票数 8
当我运行下面的代码时，我遇到了这个错误，试图获得测试数据的预测。通过打印出操作名，我看不到名为Placeholder_4的操作，并且可以看到名为prediction_output的操作。
with tf.Session() as sess:
imported_meta = tf.train.import_meta_graph("test-model-220.meta")
imported_meta.restore(sess, tf.train.latest_checkpoint('./'))
graph = tf.get_default
浏览 0提问于2018-06-28得票数 0
我正在尝试使用TensorFlow的 (在TensorFlow版本1.12.0中实现)建立一个神经网络。请考虑以下例子：
import tensorflow as tf
from tensorflow.contrib.layers import fully_connected
from tensorflow.contrib.nn import alpha_dropout
import numpy as np
N_data = 100
x_in = tf.placeholder(tf.float32, shape=[None, N_data], name="x_in")
kee
浏览 1提问于2019-04-23得票数 1
回答已采纳
我有一段代码，它使用tensorflow在图形处理器上分析一些图像，我使用tf.session并在session.run中为模型引入帧，如下所示 with tf.Session() as sess:
res, img = cap.read()
heatmaps_result, offsets_result, displacement_fwd_result, displacement_bwd_result = sess.run(model_outputs,feed_dict={'image:0': my_batch[0]}) 由于我在GPU上运行，它有空闲的空间
浏览 9提问于2019-06-03得票数 1
根据tensorflow网站，tf.reshape获取一个特定形状的张量，并将其映射到另一个形状的张量。我想把尺寸为600，64的张量映射到大小的张量。但这似乎不起作用。
我正在tensorflow上运行这个程序，在python3.6上，尽管它重塑为-1，8，8，8，但它并没有重塑到-1，8，8，1
import tensorflow as tf
import numpy as np
from sklearn import datasets
from sklearn.preprocessing import LabelBinarizer
# preprocessing method need
浏览 0提问于2018-12-22得票数 2
回答已采纳
1回答
我的代码中有以下两行：
numSequences = tf.placeholder(tf.float32, shape=())
...
prediction = tf.reshape(predictionFlat, [numSequences, sequenceLength, vocabSize])
是否可以从numSequences张量中提取标量值，以便在定义prediction张量的形状时将其用作值？
编辑
下面是我的更多代码：
x = tf.placeholder(tf.float32, [None, sequenceLength, vocabSize])
y = tf.placehol
浏览 1提问于2017-08-02得票数 2
回答已采纳
我想用CW算法训练一些对抗性的例子，我用了一个来自的例子和一个来自的CW实现。但是我遇到了一个关于tf.zeros_initializer的错误
ValueError: The initializer passed is not valid. It should be a callable with no arguments and the shape should not be provided or an instance of
'tf.keras.initializers.*' and `shape` should be fully defined.
编辑：，似乎非完全
浏览 1提问于2019-06-25得票数 0
1回答
我试图实现MAE作为我的DNN回归模型的性能度量。我正在使用DNN来预测facebook帖子的评论数量。据我所知，如果这是一个分类问题，那么我们使用准确性。如果是回归问题，则使用RMSE或MAE。我的代码如下：
with tf.name_scope("eval"):
correct = tf.metrics.mean_absolute_error(labels = y, predictions = logits)
mae = tf.reduce_mean(tf.cast(correct, tf.int64))
mae_summary = tf.summa
浏览 0提问于2018-04-01得票数 1
回答已采纳
1回答
我正在尝试获取Tensorflow中占位符的尺寸。函数tf$shape立即出现在我的脑海中。我毫不费力地使用tf$shape获得具有正维的占位符的形状。但是，我希望占位符能够接受不同大小的输入，所以我将一维保留为NULL。现在，根据我的理解，当谈到维度时，Tensorflow将NULL和-1等同对待。但是，当我运行我的代码时，我收到了以下错误：
/core/framework/op_kernel.cc:1148]无效参数:core 1，2具有负维
下面是我的代码的一个可复制的示例：
a = tf$placeholder(tf$float32, shape = shape(NULL, 2
浏览 1提问于2017-08-16得票数 0
我正在尝试转换数据从csv到tfrecords，然后读取它在小批量和做一个简单的MLP，但我得到了一些错误，我无法弄清楚。
RuntimeError:尝试使用封闭会话。
其次是：
TypeError:提要的值不能是tf.Tensor对象。可接受的提要值包括Python标量、字符串、列表或numpy ndarray。
我猜洗牌批队列正在关闭，不再输入预期的数据。此外，我认为我错过了一个步骤，从洗牌队列到饲料迪克。有什么想法，如何使这一工作或更好的方式做它？
这是我的代码：
import numpy as np
import tensorflow as tf
import pand
浏览 1提问于2017-01-24得票数 1
回答已采纳
我刚开始使用Tensorflow。我有两个要作为输入的矩阵：
我的输出矩阵如下：
当我这样做的时候：
import tensorflow as tf
matrix1 = tf.placeholder();
matrix2 = tf.placeholder();
output_matrix = tf.placeholder();
这就足够了吗？如果矩阵是任意的，我不知道如何定义矩阵的形状和数据类型？
浏览 7提问于2018-01-15得票数 0
我试图在TensorFlow tutorial here上运行完全相同的代码。 当我说到行的时候： predictions = model(x_train[:1]).numpy() 我得到了错误： 'numpy.ndarray'对象没有属性'get_shape' 我在here上看到有人遇到了类似的问题，所以我把这一行改为： predictions = model(tf.convert_to_tensor(x_train[:1])).numpy() 我得到了错误： 'MatMul' Op的输入'b'的类型float32与参数
浏览 31提问于2020-04-28得票数 0
为什么我可以将浮点数转换为张量，如下所示：
tensor = convert(TensorFlow.Tensor{Float32}, 0.05)
<Tensor Cast_8:1 shape=() dtype=Float32>
而不是浮点数的张量。以下命令：
convert(Float32, tensor)
返回以下错误：
ERROR: MethodError: Cannot `convert` an object of type TensorFlow.Tensor{Float32} to an object of type Float32
This may have arisen
浏览 0提问于2018-05-22得票数 2
我是Tensorflow的新手，尝试了下面给出的线性回归代码：
import tensorflow as tf
import numpy as np
import pandas as pd
from sklearn.datasets import load_boston
import matplotlib.pyplot as plt
boston=load_boston()
type(boston)
boston.feature_names
bd=pd.DataFrame(data=boston.data,columns=boston.feature_names)
bd['Pri
浏览 0提问于2018-07-21得票数 0
回答已采纳
我正在尝试熟悉TensorFlow，但我不确定占位符、变量等等。为了简单起见，我尝试创建一个非常简单的计算--一个占位符和一个变量，即占位符乘以2。
我把所有的东西都放在一个函数里，就像这样：
import tensorflow as tf
def try_variable(value):
x = tf.placeholder(tf.float64, name='x')
v = tf.Variable(x * 2, name='v', validate_shape=False)
with tf.Session() as session
浏览 0提问于2018-04-26得票数 3
回答已采纳
谢谢你的帮助。这个问题已经困扰我两天了。我搜索了很多网站，都没有找到答案。
背景:我正在学习mnist，它一开始是正确的，但当我保存模型并恢复时，出现了一个错误，告诉我必须输入placeholder_1。我很困惑。
代码:下面的代码是正确的。
import tensorflow.examples.tutorials.mnist.input_data as input_data
mnist = input_data.read_data_sets("mnist data/", one_hot=True)
import tensorflow as tf
# 操作符号变量来描述这些可
浏览 0提问于2018-05-29得票数 0
错误是：
TypeError:未能将类型的对象转换为张量。内容:无，4.考虑将元素转换为受支持的类型。
import tensorflow as tf
xs=tf.placeholder(tf.float32,[None,2,2,1],name='x-input')
reshaped_xs=tf.reshape(xs,[None,4])
with tf.Session() as sess:
print sess.run(reshaped_xs)
tensorflow版本是: 1.4.0
docker run -d --restart=always -p 88
浏览 0提问于2018-06-22得票数 1
回答已采纳
我正在用tensorflow(不是Keras)创建一个seq2seq模型，输入的/output是句子。类似聊天机器人或翻译器的东西。
但是当我跑的时候
for epoch in range(total_epoch):
_, loss = sess.run([optimizer, cost],
feed_dict={enc_input: input_batch,
dec_input: output_batch,
浏览 2提问于2019-04-28得票数 0
我正在学习TensorFLow。因此，为了理解如何制作一些东西，我尝试从源代码中复制一些代码并执行它。但我遇到了一个错误消息。所以我尝试了这个网站上的一些解决方案，但它不起作用(我在评论中保留了我的测试)。
"""programme 1 """
import tensorflow as tf
import numpy as np
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets('MNIST_
浏览 6提问于2017-08-31得票数 4
回答已采纳
1回答
下面是到我的完整代码的链接：
我只想打印张量的值，叫做true_areas。我运行我的代码：
sess = tf.InteractiveSession()
true_areas = true_wh[..., 0] * true_wh[..., 1]
tf.Print(true_areas, [true_areas], message = "This is True Areas: ")
b = tf.add(true_areas, true_areas).eval()
但它给了我一个错误：
Caused by op 'input_2', defined at:
浏览 0提问于2017-06-08得票数 4
回答已采纳
(tensorflow / python3.6) tf.placeholder(tf.random_normal([3,1]), name='weight') -> error
因为它写在标题上，我收到一个错误，来自
W = tf.placeholder(tf.random_normal([3,1]), name='weight')
当我输入它时，我得到一条错误消息，它是
请让我知道该怎么做。
谢谢。
浏览 0提问于2018-08-07得票数 0
def CTcnn(shape=(None,SIZE,SIZE,1)):
x_input = tf.placeholder(tf.float32, shape=[None, 256,256, 1])
#s = tf.keras.layers.Lambda(lambda x: x / 255)(x_input)
encode_conv1 = Quad_conv_layer_same(x_input,shape=[3,3,1,15])
encode_conv2 = Quad_conv_layer_same(encode_conv1,shape=[3,3,15,15])
浏览 0提问于2021-02-23得票数 0
我是tensorflow的新手。我正在用这个练习编程。最重要的是，这些代码对我来说是有意义的，但在某些方面，我被卡住了。
import tensorflow as tf
x = tf.placeholder("float", [None, n_steps, n_input])
x = tf.transpose(x, [1, 0, 2])
x = tf.reshape(x, [-1, n_input])
对于tf.placholder函数，我必须用None指定可变长度维度。但在使用tf.reshape时，我必须使用-1，而不是None。在这两个函数的文档中，两个相关参数的名称都是
浏览 0提问于2017-02-20得票数 0
回答已采纳
我使用Tensorflow 1.3实现了一个RNN来执行情感分析。当我训练和测试模型时，我想创建一个函数，将“评论”作为输入，并找到该评论的情绪。当我运行程序时，我得到了这个错误，并且我不能理解原因：
Traceback (most recent call last):
File "/home/andreas/.local/lib/python3.6/site-packages/tensorflow/python/client/session.py", line 1327, in _do_call
return fn(*args)
File "/home
浏览 15提问于2021-03-10得票数 0
我刚开始用tensorflow学习深度学习，所以我想实现一个教程，我今天读了，。实际的代码是这样的，我试着实现一个非常基本的NN来对0-9的数字进行分类。
import tensorflow as tf
# load dataset
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets('MNIST_data/', one_hot=True)
X = tf.placeholder(tf.float32, [None, 28, 28, 1])
W
浏览 11提问于2017-09-20得票数 0
回答已采纳
我有一段代码：
s = Input(shape=(self.s_length,), name="s")
z = Input(shape=(self.z_length,), name="z")
decoder_inputs = [s, z]
# latent.shape: (None, self.s_length + self.z_length)
latent = Concatenate(name="latent_concat")([s, z])
# get initial state of high decoder
# init_state.
浏览 1提问于2018-10-29得票数 0
我正在尝试将我用tensorflow为poets训练的tensorflow模型转换为CoreML模型，这样我就可以在我的iphone上运行它了。但是当我尝试使用下面的python脚本进行转换时：
import tfcoreml as tf_converter
tf_model_path = 'retrained_graph.pb'
mlmodel_path = 'mobilenet_v1_1.0_224.mlmodel'
mlmodel = tf_converter.convert(
tf
浏览 13提问于2018-01-05得票数 0
1回答
我想要执行我的图形模型，但我有困难。守则是：
epoch_x, epoch_y = features, labels
sess.run(optimizer, feed_dict = {"x:0": epoch_x, "y:0": epoch_y})
错误是：
跟踪(最近一次调用) D:\AnacondaIDE\lib\site-packages\tensorflow\python\client\session.py in _run(self，handle，取)feed_dict，options，run_metadata)
1067 subfeed_t =sel
浏览 4提问于2017-11-30得票数 0
回答已采纳
我目前正在深入研究tensorflow，我对tf.nn.Conv2d(input, filter, strides, padding)的正确使用感到有点困惑。虽然乍一看它看起来很简单，但我无法理解以下问题：
对我来说，filter, strides, padding的使用是显而易见的。然而，不清楚的是input的正确应用。
我来自一个强化学习Atari (Pong)问题，在这个问题中，我想使用网络进行批量培训，并且(以一定的概率)进行每一步的预测。这意味着，为了训练，我给网络提供了一整批，比如说100，每个单元由3帧组成，大小为160,128。使用tensorflow的NHWC格式，我对inp
浏览 1提问于2018-11-29得票数 1
回答已采纳
我是Tensorflow的新手，我在tensorflow 1.0中使用了tensorflow.placeholder()。但是是否有任何占位符的替代。
浏览 11提问于2020-01-07得票数 1
回答已采纳
1回答
我在神经网络的tensorflow中创建了模型。我保存了模型并将其恢复到另一个python文件中。
代码如下：
def restoreModel():
prediction = neuralNetworkModel(x)
tf_p = tensorFlow.nn.softmax(prediction)
temp = np.array([2,1,541,161124,3,3])
temp = np.vstack(temp)
with tensorFlow.Session() as sess:
new_saver = tensorFlow.
浏览 0提问于2016-12-15得票数 2
当我使用Keras2.2.4(因为它支持AttributeError: module 'tensorflow' has no attribute 'placeholder' 1.x)时，我得到了这个错误TensorFlow，尝试了TensorFlow 1.14和2.0.0，但是总是相同的错误
有人能帮我解决这个问题吗？
这是完整的日志
AttributeError Traceback (most recent call last)
<ipython-input-65-dc4f74e64a0b>
浏览 1提问于2019-11-10得票数 0
回答已采纳
假设我使用Tensorflow的Python创建了一个张量，如下所示，
x = tf.placeholder("float", shape=[None, inputLen])
我想在C++中创建一个tensorflow：：张量等价的张量，这样我就可以运行一个以x作为输入的经过训练的图。我应该如何处理输入形状的第一个维度，它在C++中是tensorflow::TensorShape类型？
如果我这样做了：
tensorflow::TensorShape inputShape;
inputShape.AddDim(0);
inputShape.AddDim(inputLen);
它
浏览 4提问于2015-12-20得票数 3
回答已采纳
我的TensorFlow模型使用tf.random_uniform来初始化变量。我想在开始训练时指定范围，因此我为初始化值创建了一个占位符。
init = tf.placeholder(tf.float32, name="init")
v = tf.Variable(tf.random_uniform((100, 300), -init, init), dtype=tf.float32)
initialize = tf.initialize_all_variables()
我在训练开始时就像这样初始化变量。
session.run(initialize, feed_dict={
浏览 1提问于2016-08-24得票数 15
回答已采纳
我使用Tensorflow编写了一个简单的单变量线性回归模型。
我正在尝试计算这个模型的决定系数(R平方)。
我将R_squared声明为tf.Variable (我还尝试将其声明为占位符，并仅将其声明为普通python变量)。
R_squared = tf.variable(0,name = 'R_squared')
prediction = tf.add(tf.multiply(X,W),b)
training_cost = tf.reduce_sum(tf.pow(prediction-Y,2))/(2 * n_samples)
unexplained_cost = tf
浏览 0提问于2017-10-05得票数 1
2回答
我试图将input_image (它是numpy array.Following的张量)--已经回答的问题和其他几个建议在此转换中使用input_image.eval()或等效sess.run()的问题--进行转换，但是它引发了一个错误，显然期望sess.run()有一个feed_dict值。但是，由于这里我并不试图运行依赖于未知值的操作，所以我认为这里不需要feed_dict，因为这里所做的只是转换。
此外，为了检查，我还尝试使用相同的方法转换一个tf.constant(1,2,3)值，尽管它的数据类型与input_image相同，但还是成功地编译了它。下面是我的代码，它是大型脚本的一部分：
浏览 2提问于2019-11-24得票数 1
回答已采纳
1回答
我正在尝试将底层的tensorflow模型从 转换为 ，以便能够在浏览器上使用该模型。但我无法使转换工作
我按照使用代码创建了必要的tensorflow文件：
def generate_checkpoint_from_model(model, checkpoint_name):
tf.saved_model.simple_save(model.sess, checkpoint_name, inputs={"obs": model.act_model.obs_ph}, outputs={"action": model.action_ph})
浏览 0提问于2019-09-14得票数 1
回答已采纳
1回答
由于某种原因，第二次打开会话并尝试运行摘要操作会导致崩溃。错误消息具有误导性，因为提供了明确的占位符。
我正在尝试在多个数据集上测试相同的模型。因此，我只想重置变量并为每个数据集创建一个新的logdir。在没有循环的情况下手动运行它们确实可以完成这项工作，但它非常乏味。
我试着通知tensorflow开发人员，但他们似乎就是忽略了。有没有什么办法呢？
import tensorflow as tf
class MyModel:
def __init__(self, sess, i):
self.x = tf.placeholder(tf.float32, [2, 2]
浏览 8提问于2018-01-02得票数 0
回答已采纳
1回答
假设我在tensorflow中有两个占位符值: placeholder_1和placeholder_2，本质上我想要以下计算功能：“如果定义了placeholder_1 (即在feed_dict of sess.run()中给出一个值)，则将X计算为f(placeholder_1)，否则，将X计算为g(Placeholder_2)”。把X看作是神经网络中的一个隐藏层，可以用这两种不同的方法任意计算。最后，我将使用X生成一个输出，并希望根据我使用的占位符将错误反向传播到f或g的参数上。
如果有一种使条件"placeholder_1有值“的方法，就可以使用placeholder_1(条件，
浏览 6提问于2017-04-03得票数 3
回答已采纳
我想在基于LSTM的RNN中使用占位符表示丢失率、隐藏单元数和层数。下面是我目前正在尝试的代码。
dropout_rate = tf.placeholder(tf.float32)
n_units = tf.placeholder(tf.uint8)
n_layers = tf.placeholder(tf.uint8)
net = rnn_cell.BasicLSTMCell(n_units)
net = rnn_cell.DropoutWrapper(net, output_keep_prob = dropout_rate)
net = rnn_cell.MultiR
浏览 3提问于2016-06-02得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
