Tensorflow:必须为占位符张量“”placeholder“”提供一个具有浮点型浮点的值[但该值是浮点型]“
TensorFlow是一个开源的机器学习框架，由Google开发和维护。它提供了丰富的工具和库，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，用于在模型中定义输入数据的位置。
占位符是在构建计算图时定义的，但在执行计算图时需要提供具体的值。对于占位符张量，必须为其提供一个具有相同数据类型的值。在这个特定的问题中，需要为占位符张量提供一个浮点型的值。
占位符在机器学习中的应用非常广泛，特别是在训练过程中。通过使用占位符，可以将训练数据和测试数据分开，并在执行计算图时动态地提供不同的数据。这样可以方便地对模型进行训练和测试，并且可以在不同的场景下重复使用相同的计算图。
在腾讯云的产品中，与TensorFlow相关的产品是腾讯云AI Lab，它提供了基于TensorFlow的深度学习开发平台。通过腾讯云AI Lab，用户可以方便地使用TensorFlow进行模型训练和推理，并且可以利用腾讯云强大的计算资源和存储服务来加速模型的训练和部署。
腾讯云AI Lab产品介绍链接地址：https://cloud.tencent.com/product/ailab
相关·内容
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
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
1回答
如何在变分自动编码器网络中求出输出层的值并计算其范数？假设我在Tensorflow中有以下网络
inputs = Input(shape=(dim,))
x = Dense(intermediate_dim, activation='relu')(inputs)
z_mean = Dense(latent_dim, name='z_mean')(x)
z_log_var = Dense(latent_dim, name='z_log_var')(x)
z = Lambda(sampling, output
浏览 0提问于2019-09-02得票数 1
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
我是TensorFlow的新手。当我阅读现有的文档时，我发现tensor这个术语确实令人困惑。因此，我需要澄清以下问题：
tensor和Variable，tensor之间的关系是什么？
对tf.constant，“张量”对tf.placeholder
它们都是张量吗？
浏览 0提问于2016-06-16得票数 39
回答已采纳
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
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
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
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
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
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
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
我对tensorflow很陌生。我用tensorflow做了一个线性回归。当我运行下面的代码时，我得到了这样的typeError：
TypeError:输入'Mul‘Op的'y’，其类型float64与参数'x‘的float32类型不匹配。
花了好几个小时却不知道为什么。哪里出问题了？我们非常感谢你的帮助。非常感谢。
import tensorflow as tf
import numpy as np
training_epoch = 1000
display_epoch=50
learning_rate = 0.01
train_X = np.asarray([3.
浏览 2提问于2016-05-31得票数 1
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
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
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
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
这可能是微不足道的。我有一个模型，它采用一些去排队的张量X；
X = tf.Tensor(...)
yPred = model(X,...)
现在，我想给另一个张量Z，有时；
Z = tf.placeholder(...)
yPredZ = model(Z,...)
在不重新定义子图的情况下，我如何做到这一点？
浏览 2提问于2017-01-24得票数 0
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
我试着用"Finetuning AlexNet with TensorFlow“对我训练的一个模型执行预测
我使用tf.saved_model.builder.SavedModelBuilder在Python中保存模型，并使用SavedModelBundle.load在Java中加载模型。守则的主要部分是：
SavedModelBundle smb = SavedModelBundle.load(path, "serve");
Session s = smb.session();
byte[] imageBytes = readAllBytesO
浏览 2提问于2017-06-20得票数 0
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
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
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
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
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
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
我正在尝试构建一个复杂的tensorflow图，现在我遇到了在图中的某个点需要列表或for循环的问题。因此，现在用下面的代码简化了我的问题：
这是我的“图表”：
x = tf.placeholder(tf.float32, shape=(4, 1))
list = []
for i in range(int(x.shape[0])):
print("hello")
list.append(x[i])
r = tf.convert_to_tensor(list)
然后我会调用：
with tf.compat.v1.Session() as sess:
inp
浏览 3提问于2020-12-29得票数 0
我正在尝试向keras预测方法提供tf占位符，同时稍后提供真实数据。
我做z = model.predict(x*y, steps=1)，其中x和y是tf占位符。
但我收到错误:无效参数:您必须为占位符张量' placeholder‘提供一个值，其中包含dtype float和shape 1,1024,1024,3{{node Placeholder}}]
浏览 3提问于2019-10-31得票数 1
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
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
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
如果我使用tf.Variable创建一个张量，我可以决定这个张量是否可以训练。但是，如果我以以下方式定义张量B，如何将它设置为不可训练：
A=tf.placeholder(tf.int32,shape=[None,100])
B=tf.zeros_like(A)
浏览 3提问于2016-07-19得票数 0
回答已采纳
我是Tensorflow的新手。我有两个张量/tensorflow对象，X和Y，它们基本上是两个矩阵。我对它们执行了一些计算，并希望打印它们的值。
output = tf.reduce_sum(tf.log(tf.exp(tf.matmul(tf.transpose(X), Y))))
print(output.get_shape()) #Shows ()
我想要得到output的值。我不能打印它。
尝试这样做：
init = tf.initialize_all_variables()
sess = tf.Session()
output = tf.reduce_sum(tf.log(tf.
浏览 1提问于2017-02-27得票数 0
回答已采纳
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
2回答
我对TensorFlow非常陌生，我试着理解占位符的概念。假设我有一个形状为100x4的功能集。所以我有100行4种不同的功能。然后，目标为100x1形状。如果我想使用这两个矩阵作为训练集。我所做的是：
X = tf.placeholder(tf.float64, shape=X_train.shape)
Y = tf.placeholder(tf.float64, shape=y_train.shape)
W = tf.Variable(tf.random_normal([4, 1]), name="weight",dtype=tf.float32)
b = tf.Vari
浏览 3提问于2018-01-06得票数 2
回答已采纳
我用TensorFlow在MNIST数据集上训练了一个简单的神经网络。代码的训练部分工作得很好。但是，当我向网络提供单个图像时，它会提供以下回溯：
Traceback (most recent call last):
File "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/tensorflow/python/client/session.py", line 1021, in _do_call
return fn(*args)
File "/Li
浏览 13提问于2018-04-10得票数 1
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
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
1回答
我想在“无”维中分割张量。
例如,
tensor = tf.placeholder(tf.float32, shape=[None, None, 10], name="seq_holder")
sliced_tensor = tensor[:,1:,:] # it works well!
但
# Assume that tensor's shape will be [3,10, 10]
tensor = tf.placeholder(tf.float32, shape=[None, None, 10], name="seq_holder")
sliced
浏览 0提问于2017-09-15得票数 3
回答已采纳
我试图将一个单一的300x300x300张量输入到tensorflow中的占位符中，虽然我使用的是imgs = tf.placeholder(tf.float32, [1, 300, 300, 300, 3])，但我得到的是ValueError
Traceback (most recent call last):
File "tfvgg.py", line 265, in <module>
prob = sess.run(vgg.probs, feed_dict={vgg.imgs: train_data})
File "/home/entelechy/tf
浏览 0提问于2017-04-04得票数 0
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
当我试图用tensorflow完成softmax回归时，出现了以下一些问题：
tensorflow.python.framework.errors_impl.InvalidArgumentError：
您必须为占位符张量' Placeholder_1‘提供一个带有dtype float [Node:Placeholder_1= Placeholderdtype=DT_FLOAT，shape=[]，shape=[]的值。
从上面的描述中，我了解到问题是一个参数类型错误。但在我的代码中，数据的类型与占位符相同。
import tensorflow as tf
from tensor
浏览 1提问于2017-05-28得票数 0
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
1回答
我希望有人能解释一下Keras中的输入层和Tensorflow中的占位符之间的区别(如果有的话)。
我调查得越多，两人看起来就越相似，但到目前为止，我还没有百分之百地相信这两种方式。
是我观察到的，它支持输入层和tf占位符是相同的说法：
1)从keras.Input()返回的张量可以用作tfs.ession的feed_dict中的占位符。下面是使用Keras的一个简单示例的一部分，它添加了两个张量(a和b)，并将结果与第三个张量(C)连接起来：
model = create_graph()
con_cat = model.output[0]
ab_add = model.output[1]
浏览 1提问于2017-06-22得票数 9
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
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
我正在创建一个张量流代码，当我试图使用变量运行时，会得到一个错误。
基本代码是
import tensor flow as tf
import numpy as np
graph = tf.Graph()
with graph.as_default():
with tf.name_scope("variables"):
# keep track of how many times the model has been run
global_step = tf.Variable(0, dtype=tf.int32, trainable=False, name=&#
浏览 0提问于2018-05-21得票数 0
回答已采纳
我在用自动编码器工作。我的tensorflow图看起来是这样的：(输入图像)
我将压缩表示张量改为placeholder_with_default，这样我就可以插入我想要的任何值，并查看重建的内容。当不提供压缩表示时应该使用的默认值是conv2d的结果。
然而，乐观主义者抱怨说：
LookupError: gradient registry has no entry for: PlaceholderWithDefault
如何让图表知道在优化阶段只使用通常的梯度？当压缩表示不是占位符时，一切都可以正常工作。
浏览 2提问于2017-01-12得票数 2
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
腾讯会议
实时音视频活动推荐
腾讯云开发者
