TensorFlow必须使用dtype float为占位符张量'Placeholder_2‘提供一个值
TensorFlow是一个开源的机器学习框架，用于构建和训练各种机器学习模型。在TensorFlow中，占位符（Placeholder）是一种特殊的张量，用于在图执行过程中提供输入数据。
对于占位符张量'Placeholder_2'，必须使用dtype为float的值进行填充。dtype是数据类型的缩写，代表张量中元素的数据类型。在TensorFlow中，float数据类型用于表示浮点数。
为了为占位符张量'Placeholder_2'提供一个值，可以使用tf.placeholder函数来创建占位符。示例代码如下：
import tensorflow as tf
# 创建一个占位符张量
placeholder_2 = tf.placeholder(dtype=tf.float32)
# 提供一个值给占位符张量
value = 3.14
# 创建一个会话
with tf.Session() as sess:
# 运行计算图
result = sess.run(placeholder_2, feed_dict={placeholder_2: value})
print(result)在上述代码中，我们使用tf.placeholder函数创建了一个占位符张量placeholder_2，并指定了dtype为float32。然后，我们通过在会话中运行计算图，并使用feed_dict参数将值value传递给占位符张量placeholder_2。最后，我们打印出了计算结果。
相关·内容
1回答
我刚开始使用tensorflow，我想在我自己的图像上测试来自tensorflow的的经过训练的模型。这是我在本教程开始时在我自己的映像上测试Softmax回归模型时使用的代码：
with open("three.jpeg", "rb") as f:
contents = f.read()
image = tf.image.decode_jpeg(contents, channels=1)
image_float = tf.image.convert_image_dtype(image, tf.float32)
resized_image = tf.i
浏览 3提问于2017-08-02得票数 1
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
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
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
1回答
我有我的模型中所有张量的列表，这些张量具有float32类型：
import os
import os.path
import tensorflow as tf
from tensorflow.python.platform import gfile
import numpy
numpy.set_printoptions(threshold=numpy.nan)
with tf.Sessio
浏览 1提问于2017-09-11得票数 1
回答已采纳
我想在Tensorflow中恢复、修改和重用一个(相当)复杂的模型，但是在使用占位符时，我很难正确地传递feed_dict。守则如下：
input_dir = "parallel_win_10_40_conv_3l_rnn"
input_file = "parallel_win_10_40_conv_3l_rnn"
saver = tf.train.import_meta_graph("./result/cnn_rnn_parallel/tune_rnn_layer/"+input_dir+"/model_"+input_file
浏览 0提问于2018-01-23得票数 1
回答已采纳
可以将tensorflow与keras顺序模型结合起来，如下所示：()
from keras.models import Sequential, Model
model = Sequential()
model.add(Dense(32, activation='relu', input_dim=784))
model.add(Dense(10, activation='softmax'))
# this works!
x = tf.placeholder(tf.float32, shape=(None, 784))
y = model(x)
但是，我想像
浏览 20提问于2018-06-02得票数 1
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
TensorFlow中有许多方法需要指定形状，例如truncated_normal：
tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
我有一个占位符，用于输入shape None，784，其中第一个维度是None，因为批量大小可以改变。我可以使用固定的批处理大小，但它仍然不同于测试/验证集大小。
我不能将这个占位符提供给tf.truncated_normal，因为它需要一个完全指定的张量形状。让tf.truncated_normal接受不同张量形状的简单方法是什么？
浏览 0提问于2016-02-09得票数 25
回答已采纳
1回答
我想将Tensorflow模型保存到GCP上的ml引擎，并进行在线预测。
我已经成功地在ml引擎上创建了模型，但是，我很难将输入的JSON字符串输入到模型中。这是和，荣誉来自他的Tensorflow课程关于Udemy的何塞波蒂拉。
我用gcloud推荐来预测：
引擎预测-模型=‘lstm_test’-版本'v3‘-json-实例./test.json
test.json内容：
{“投入”：1，2，3，4，5，6，7，8，9，10，11，12}
我犯的错误：
{“错误”：“预测失败:模型执行过程中的错误: AbortionError(code=StatusCode.IN
浏览 1提问于2018-04-04得票数 0
回答已采纳
如何为下面的计算构建一个tensorflow图？我现在的问题是如何使用张量A的形状信息，它的形状大小是可变的。
A = tf.placeholder(tf.float32, [None,10])
B = tf.Variable(tf.random_normal([10,20]))
C = tf.matmul(A, B)
D = tf.matmul(tf.transpose(C), A) # the value of A.shape[0]
浏览 0提问于2017-05-05得票数 2
回答已采纳
如果我正确理解(否)，有两种方法可以将numpy数组传递给tensorflow计算图：
使用tf.placeholder并在feed_dict中传递这个numpy数组
使用tf.convert_to_tensor，将这个numpy数组转换为张量，然后使用这个张量进行任何计算。
这两种方法有什么不同吗？
浏览 4提问于2019-08-22得票数 3
回答已采纳
我刚刚开始尝试Tensorflow，我想在Android上做一些实验，但是我读到Tensorflow for Poets (移动版)支持.tflite，而我下载和搜索的模型是.pb。
所以我决定用toco来转换它们，但是当我执行命令来转换时，我总是会得到这个错误。
ValueError:找到无效的张量‘输入’。
CLI命令是：
toco --graph_def_file=tensorflow_inception_graph.pb --output_file=optimized_graph.tflite --input_format=TENSORFLOW_GRAPHDEF -
浏览 0提问于2018-11-08得票数 1
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
1回答
我使用的是一个Alexnet，用5个类对花卉数据进行了细化。现在，我想用微调模型来预测。下面显示的是主要代码。
import os
import numpy as np
import tensorflow as tf
from datetime import datetime
from alexnet_flower import AlexNet
from datagenerator import ImageDataGenerator
from scipy.misc import imread
from scipy.misc import imresize
import time
import
浏览 3提问于2017-03-27得票数 1
回答已采纳
1回答
我试图用另一个值更新张量的最大值，如下所示：
actions = tf.argmax(output, axis=1)
gen_targets = tf.scatter_nd_update(output, actions, q_value)
我收到了一个错误：AttributeError: 'Tensor' object has no attribute 'handle' on scatter_nd_update。
output和actions是占位符，声明为：
output = tf.placeholder('float', shape=[Non
浏览 2提问于2018-06-04得票数 0
回答已采纳
我是tensorflow的新用户，并将其用于回归问题。神经网络模型的输入是一个二维数组(200行和51列)，该输入的输出是一个标量。输入数组和相应的输出存储在字典中，为此，我试图将均方误差损失降到最低。模型是使用以下代码构建的
keysD = TrainingDic.keys()
loss = tf.zeros([1])
for i in range(len(keysD)):
X_data = tf.placeholder(tf.float32, [200,51])
trueY = tf.placeholder(tf.float32)
predY, cost = bu
浏览 0提问于2019-02-25得票数 0
1回答
我正在尝试将数组分批输入Tensorflow占位符。但即使提供了正确的形状，我也得到了一个InvalidArgumentError。
下面是我代码的一部分：
import tensorflow as tf
import numpy as np
xdata = np.linspace(1,50, 10000)
noise = np.random.rand(len(xdata))
y_true = (1.5*xdata) + 5 + noise #m = 1.5 and c = 5
m = tf.Variable(0.1) #initial values
c = tf.Variable
浏览 0提问于2018-11-03得票数 0
回答已采纳
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
我指的是TensorFlow网站上的MNIST教程。有一个用于保存28 x 28像素MNIST图像的张量。该形状如下所示：
x = tf.placeholder(tf.float32, shape=[None, 784])
如您所见，它们将矩阵展平，并将所有像素用作784个值的一维向量。
如何使用28 x 28像素的适当矩阵设置张量？我想保存有关图像的2D结构的信息。
浏览 11提问于2017-06-20得票数 0
回答已采纳
我正在构造一个基于某些超参数的拓扑变化的计算图。在某一时刻，出现了以下情况：
c = tf.concat([a, b], axis=-1)
张量a呈(None, m)形。张量b具有形状(None, n)，其中n依赖于超参数。对于超参数的一个值，张量b应该是概念上的空，例如，我们希望c和a是相同的。
我可以用以下方法成功地构建图形：
b = tf.placeholder(tf.float32, (None, 0), name="Empty")
但是，如果我运行一个会话，TensorFlow将引发一个InvalidArgumentError，该InvalidArgumentErro
浏览 0提问于2018-08-17得票数 4
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
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
当我构建一系列张量时，tensorflow的操作函数(如tf.transpose(~)或tf.split(~) )会返回一个错误。
码
window = 60
len_feat= 15
X = tf.placeholder(tf.float32, shape=[None, window, len_feat]
X = tf.transpose(X, (1,0,2))
tf.Session().run(X, feed_dict={X: x}) #x has a shape (100, 60, 15)
误差
"shape (100, 60, 15) can't be reshape
浏览 0提问于2018-09-03得票数 1
回答已采纳
我想在tensorflow的两个张量上运行相同的RNN。我目前的解决方案如下所示：
cell = tf.nn.rnn_cell.GRUCell(cell_size)
with tf.variable_scope("encoder", reuse=None):
out1 = tf.nn.dynamic_rnn(cell, tensor1, dtype=tf.float32)
with tf.variable_scope("encoder", reuse=True):
out2 = tf.nn.dynamic_rnn(cell, tensor2,
浏览 1提问于2016-11-06得票数 1
回答已采纳
1回答
我试图将一维稀疏向量传递给Tensorflow：
import tensorflow as tf
import numpy as np
x = tf.sparse_placeholder(tf.float32)
y = tf.sparse_reduce_sum(x)
with tf.Session() as sess:
indices = np.array([0, 1], dtype=np.int64)
values = np.array([1.5, 3.0], dtype=np.float32)
shape = np.array([2], dtype=np.int
浏览 1提问于2017-09-30得票数 0
回答已采纳
1回答
Tensorflow占位符错误
、、、、
我一直在玩tensorflow，我已经训练了这个模式并提供了它，但是当我尝试运行客户端发送数据进行分类时，我会得到这个错误。
grpc.framework.interfaces.face.face.AbortionError: AbortionError(code=StatusCode.INVALID_ARGUMENT，details=“必须为占位符张量'Placeholder_1‘提供一个带有dtype details=的值。
[节点：_device="/job:localhost/replica:0/task:0/cpu:0"]]") = Placehol
浏览 0提问于2017-03-21得票数 0
问题：
我对Tensorflow非常陌生。我的具体问题是，我应该在sess.run(fetches, feed_dict)函数中放入哪些特定的参数。例如，如何才能找到参数的值？
步骤：
以下是我在查看其他帖子后对这些步骤的理解。
保存tensorflow模型，它应该由4个文件组成，下面是我的输出：
检查点
Inception_resnet_v2.ckpt.data-00000-00001
Inception_resnet_v2.ckpt.index
Inception_resnet_v2.ckpt.meta
将输入图像调整到神经网络所需的任何格式。
浏览 2提问于2018-08-07得票数 4
在Tensorflow中，是否有一种方法可以找到评估某个输出张量所需的所有占位符张量？也就是说，是否有一个函数将返回在调用feed_dict时必须输入sess.run(output_tensor)的所有(占位符)张量？
下面是我想要做的一个例子，用伪代码：
import tensorflow as tf
a = tf.placeholder(dtype=tf.float32,shape=())
b = tf.placeholder(dtype=tf.float32,shape=())
c = tf.placeholder(dtype=tf.float32,shape=())
d = a +
浏览 6提问于2017-10-10得票数 3
回答已采纳
1回答
注:我已经尝试了不同的解决方案，所以问题没有成功，详情如下。
我正在学习cleverhans Pyhton教程，重点是代码(keras )。我有一些基本的知识，但我刚刚开始使用Tensorflow (完全是新手)。
我试图可视化在这段代码中生成的反版本映像(引用链接的cleverhans源代码)：
# Initialize the Fast Gradient Sign Method (FGSM) attack object and graph
fgsm = FastGradientMethod(wrap, sess=sess)
fgsm_params = {'eps': 0.3
浏览 0提问于2018-09-21得票数 2
回答已采纳
以下情况:有一台生产服务器(C++)正在运行tensorflow。这里的代码期望恰好有一个输入Placeholder，该输入类似于feed_dict:{'input':...}。我不能更改服务器代码。我只能提供一个新的图形，它必须有一个叫做input的Placeholder。
使用tensorflow，我有一些代码可以创建两个不同作用域的相同神经网络：
dnn1 = DNN(scope='dnn1')
dnn2 = DNN(scope='dnn2')
两个DNN都有一个输入Placeholder：<tf.Tensor 'dnn1/i
浏览 0提问于2018-06-01得票数 2
我的tensorflow模型定义如下：
X = tf.placeholder(tf.float32, [None,training_set.shape[1]],name = 'X')
Y = tf.placeholder(tf.float32,[None,training_labels.shape[1]], name = 'Y')
A1 = tf.contrib.layers.fully_connected(X, num_outputs = 50, activation_fn = tf.nn.relu)
A1 = tf.nn.dropout(A1, 0.8)
浏览 1提问于2017-12-18得票数 2
回答已采纳
1回答
深度学习中的混淆矩阵
、、、
我一直试图打印出我的模型的混淆矩阵，但没有这样做。
然而，我成功地获得了一个(7x7)混淆矩阵，但以张量格式。
我是Tensorflow的新手，所以请帮我显示张量。谢谢。
代码：
con_mat = tf.confusion_matrix(labels=[0, 1, 2, 3, 4, 5, 6], predictions=correct, num_classes=n_classes,
dtype=tf.int32, name=None)
with tf.Session():
print('Confusion Matri
浏览 1提问于2017-08-08得票数 1
1回答
我希望使用以下代码计算预测：
import tensorflow as tf
x = tf.placeholder("float", [None, n_input])
y = tf.placeholder("float", [None, n_classes])
pred = multilayer_perceptron(x, weights, biases)
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(pred, y))
optimizer = tf.train.AdamOpt
浏览 3提问于2016-12-13得票数 4
回答已采纳
我有一个错误："InvalidArgumentError:您必须使用dtype InvalidArgumentError为占位符张量‘占位符’提供一个值。“和我不知道为什么会发生这种情况。
我想为句子分类做一个CNN模型。现在我设置了一个随机数据作为训练的数据。由于文本数据的存在，它不能像MNIST数据那样在数据“整形”后成为方阵。相反，它是一个10*100矩阵。也许是我的代码出了问题。
import tensorflow as tf
import numpy as np
from numpy.random import RandomState
# sess = tf.Interac
浏览 0提问于2018-03-20得票数 0
回答已采纳
假设我有一个形状为600，11的TensorFlow张量，最后(第11)列的所有元素都是零。我想像这样迭代张量的值:对于每一行，我检查该行的前10个元素的最大值是否大于值X。如果为True，则保持该行不变，如果为False，则将行的前10个元素设置为等于0，并使第11个元素等于1。如何做到这一点？我的张量的结构如下所示： import tensorflow as tf
a = tf.zeros([600, 1], dtype=tf.float32)
b = tf.random.uniform([600,10], minval=0, maxval=1, dtype=tf.float32)
c
浏览 35提问于2019-03-25得票数 0
1回答
我正在为MNIST的输入创建一个深度学习完全连接的NN。我有一个函数(它接受占位符输入)
# Create model
def multilayer_perceptron(x, activation_fn, weights, biases, dbg=False):
layerDatas = OrderedDict()
# get each layer dat
浏览 0提问于2016-06-19得票数 1
回答已采纳
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
2回答
使用TensorFlow (1.13.1)中的多层/堆叠RNN的初始状态所需的结构是什么？
我尝试了以下几点：
lstm_cell_sizes = [256, 256, 256]
lstm_cells = [tf.keras.layers.LSTMCell(size) for size in lstm_cell_sizes]
state_init = [tf.placeholder(tf.float32, shape=[None] + cell.state_size) for cell in lstm_cells]
tf.keras.layers.RNN(lstm_cells, ...)(
浏览 0提问于2019-04-19得票数 5
1回答
我想在Tensorflow中提供一个batch_size整数作为占位符。但它并不是一个整数。考虑以下示例： import tensorflow as tf
max_length = 5
batch_size = 3
batch_size_placeholder = tf.placeholder(dtype=tf.int32)
mask_0 = tf.one_hot(indices=[0]*batch_size_placeholder, depth=max_length, on_value=0., off_value=1.)
mask_1 = tf.one_hot(indices=[0
浏览 31提问于2019-10-10得票数 0
回答已采纳
我只是尝试在mnist_softmax.py 0.8中运行TensorFlow。我想在模型测试步骤之前观察y和y_的值。
以下是代码：
print(y) # added by me
print(y_) # added by me
# Test trained model
correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1))
完整的代码可在上使用。
以下是产出：
Tensor("Softmax:0", shape=(?, 10), dtype=float32)
Tensor("Placeho
浏览 2提问于2016-05-06得票数 2
回答已采纳
我正在尝试使用tensorflow tf.sparse_tensor_dense_matmul(X, W1)。X被定义为tf.placeholder：
X = tf.placeholder("float", [None, size])。
W是tf.Variable
当输入到dict中时，我正在传递tensorflow稀疏矩阵。但我发现了错误：
TypeError:输入必须是SparseTensor。
我如何让sparse_tensor_dense_matmul模块知道我将传递稀疏张量？
浏览 4提问于2016-12-12得票数 3
回答已采纳
下面的代码(修改后的tensorflow示例)产生错误“所有输入张量必须具有相同的等级。”tf.linalg.LinearOperatorTridiag的多项运算也给出了类似的误差。我需要在Keras层中将输入乘以三对角矩阵，由于该层输入中的额外批量维度，张量的等级会有所不同。有什么已知的实际解决方案吗？
import tensorflow as tf
superdiag = tf.constant([-1, -1, 0], dtype=tf.float64)
maindiag = tf.constant([2, 2, 2], dtype=tf.float64)
subdiag = tf.c
浏览 7提问于2020-05-13得票数 0
2回答
所以我想在tensorflow中返回一个对象列表，当我尝试时，该列表对象是使用大小为n，k，d的张量X构造的： listofobject = [Myobject(x) for x in X] 它返回： OperatorNotAllowedInGraphError: iterating over `tf.Tensor` is not allowed: AutoGraph did convert this function. This might indicate you are trying to use an unsupported feature. 我也试过了： listofobject
浏览 89提问于2021-10-06得票数 0
这是我在MNIST数据集上测试量化的示例。我正在使用以下代码测试我的模型：
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
from tensorflow.python.framework import graph_util
from tensorflow.core.framework import graph_pb2
import numpy as np
def test_model(model_file,x_in):
with tf.Session() as
浏览 1提问于2017-11-26得票数 6
假设我有一个叫做encoding的张量，它的形状是(1,32)，现在我想找出张量的大小(以字节为单位)，而不是它的形状。所以基本上我想知道它需要多少内存。
我发现了一个StackOverflow问题，它确实是这样做的，但是在TensorFlow 1中。那么，我怎样才能完成同样的任务呢？这是链接===> https://stackoverflow.com/questions/36966316/how-to-get-the-dimensions-of-a-tensor-in-tensorflow-at-graph-construction-time
SO问题使用了(遗憾的是)已被删除的Ten
浏览 0提问于2020-04-23得票数 2
回答已采纳
我正在编写一个使用Tensorflow进行手写识别的程序。
我遵循了TF网站上的教程，但我的代码有一些问题。
下面是我的代码：
def weight_variable(shape):
initial = tf.truncated_normal(shape, stddev = 0.05)
return tf.Variable(initial)
def bias_variable(shape):
initial = tf.constant(0.1, shape = shape)
return tf.Variable(initial)
#x
x = tf.placeholder(
浏览 1提问于2017-06-11得票数 1
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
1回答
定义张量时的张量形状
、、、
我正在研究神经网络，很多时候shapes.....Tensorflow给我们提供了一个关键字None，这样我们就不必担心张量的大小了……用None代替形状的已知数值有什么缺点吗？
方法1
input_placeholder = tf.placeholder(tf.float32,[None,None])
方法2
input_placeholder = tf.placeholder(tf.float32,[64,100])
在运行代码时会有什么不同吗？
浏览 0提问于2017-09-19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
腾讯会议活动推荐
腾讯云开发者
