tensorflow: ValueError: setting an array element with a sequence
tensorflow: ValueError: setting an array element with a sequence
我正在玩 this question 的固定代码。我收到上述错误。谷歌搜索表明它可能是某种维度不匹配，尽管我的诊断没有显示任何：
with tf.Session() as sess:
sess.run(init)
# Fit all training data
for epoch in range(training_epochs):
for (_x_, _y_) in getb(train_X, train_Y):
print("y data raw", _y_.shape )
_y_ = tf.reshape(_y_, [-1, 1])
print( "y data ", _y_.get_shape().as_list())
print("y place holder", yy.get_shape().as_list())
print("x data", _x_.shape )
print("x place holder", xx.get_shape().as_list() )
sess.run(optimizer, feed_dict={xx: _x_, yy: _y_})
看尺寸，一切正常：
y data raw (20,)
y data [20, 1]
y place holder [20, 1]
x data (20, 10)
x place holder [20, 10]
错误：
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-131-00e0bdc140b2> in <module>()
16 print("x place holder", xx.get_shape().as_list() )
17
---> 18 sess.run(optimizer, feed_dict={xx: _x_, yy: _y_})
19
20 # # Display logs per epoch step
/usr/local/lib/python3.4/dist-packages/tensorflow/python/client/session.py in run(self, fetches, feed_dict)
355 e.args = (e.message,)
356 raise e
--> 357 np_val = np.array(subfeed_val, dtype=subfeed_t.dtype.as_numpy_dtype)
358 if subfeed_t.op.type == 'Placeholder':
359 if not subfeed_t.get_shape().is_compatible_with(np_val.shape):
ValueError: setting an array element with a sequence.
有什么调试技巧吗？
用普通 numpy 替换 tf reshape 一个帮助：
_y_ = np.reshape(_y_, [-1, 1])
实际原因尚不清楚，但它有效。
当 tf.Session.run() is a tf.Tensor object (in this case, the result of tf.reshape() 的 feed_dict 参数中的一个值出现时，这不是很有帮助。
feed_dict 中的值必须是 numpy 数组，或者某些值 x 可以使用 numpy.array(x) 隐式转换为 numpy 数组。 tf.Tensor 对象不能 隐式 转换，因为这样做可能需要大量工作：相反，您必须调用 sess.run(t) 来转换张量 t到一个 numpy 数组。
正如您在回答中注意到的那样，使用 np.reshape(_y_, [-1, 1]) 是有效的，因为它会生成一个 numpy 数组（并且因为 _y_ 是一个 numpy 数组）。通常，您应该始终使用 numpy 和其他纯 Python 操作准备要馈送的数据。
我正在玩 this question 的固定代码。我收到上述错误。谷歌搜索表明它可能是某种维度不匹配，尽管我的诊断没有显示任何：
with tf.Session() as sess:
sess.run(init)
# Fit all training data
for epoch in range(training_epochs):
for (_x_, _y_) in getb(train_X, train_Y):
print("y data raw", _y_.shape )
_y_ = tf.reshape(_y_, [-1, 1])
print( "y data ", _y_.get_shape().as_list())
print("y place holder", yy.get_shape().as_list())
print("x data", _x_.shape )
print("x place holder", xx.get_shape().as_list() )
sess.run(optimizer, feed_dict={xx: _x_, yy: _y_})
看尺寸，一切正常：
y data raw (20,)
y data [20, 1]
y place holder [20, 1]
x data (20, 10)
x place holder [20, 10]
错误：
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-131-00e0bdc140b2> in <module>()
16 print("x place holder", xx.get_shape().as_list() )
17
---> 18 sess.run(optimizer, feed_dict={xx: _x_, yy: _y_})
19
20 # # Display logs per epoch step
/usr/local/lib/python3.4/dist-packages/tensorflow/python/client/session.py in run(self, fetches, feed_dict)
355 e.args = (e.message,)
356 raise e
--> 357 np_val = np.array(subfeed_val, dtype=subfeed_t.dtype.as_numpy_dtype)
358 if subfeed_t.op.type == 'Placeholder':
359 if not subfeed_t.get_shape().is_compatible_with(np_val.shape):
ValueError: setting an array element with a sequence.
有什么调试技巧吗？
用普通 numpy 替换 tf reshape 一个帮助：
_y_ = np.reshape(_y_, [-1, 1])
实际原因尚不清楚，但它有效。
当 tf.Session.run() is a tf.Tensor object (in this case, the result of tf.reshape() 的 feed_dict 参数中的一个值出现时，这不是很有帮助。
feed_dict 中的值必须是 numpy 数组，或者某些值 x 可以使用 numpy.array(x) 隐式转换为 numpy 数组。 tf.Tensor 对象不能 隐式 转换，因为这样做可能需要大量工作：相反，您必须调用 sess.run(t) 来转换张量 t到一个 numpy 数组。
正如您在回答中注意到的那样，使用 np.reshape(_y_, [-1, 1]) 是有效的，因为它会生成一个 numpy 数组（并且因为 _y_ 是一个 numpy 数组）。通常，您应该始终使用 numpy 和其他纯 Python 操作准备要馈送的数据。