tensorflow MNIST fully_connected_feed.py 失败：range() 至少需要 2 个参数（给定 1 个）

Question

我在运行tensor flow tutorials 之一中遇到了问题。教程说运行我只需要输入 python fully_connected_feed.py。当我这样做时，它通过获取输入数据，但随后失败，如下所示：

Extracting data/train-images-idx3-ubyte.gz
Extracting data/train-labels-idx1-ubyte.gz
Extracting data/t10k-images-idx3-ubyte.gz
Extracting data/t10k-labels-idx1-ubyte.gz
Traceback (most recent call last):
  File "fully_connected_feed.py", line 225, in <module>
    tf.app.run()
  File "/Users/me/anaconda/lib/python2.7/site-packages/tensorflow/python/platform/default/_app.py", line 11, in run
    sys.exit(main(sys.argv))
  File "fully_connected_feed.py", line 221, in main
    run_training()
  File "fully_connected_feed.py", line 141, in run_training
    loss = mnist.loss(logits, labels_placeholder)
  File "/Users/me/tftmp/mnist.py", line 96, in loss
    indices = tf.expand_dims(tf.range(batch_size), 1)
TypeError: range() takes at least 2 arguments (1 given)

我认为这个错误是因为会话设置and/or张量评估存在一些问题。这是 mnist.py 中导致问题的函数：

def loss(logits, labels):
  """Calculates the loss from the logits and the labels.

  Args:
    logits: Logits tensor, float - [batch_size, NUM_CLASSES].
    labels: Labels tensor, int32 - [batch_size].

  Returns:
    loss: Loss tensor of type float.
  """
  # Convert from sparse integer labels in the range [0, NUM_CLASSSES)
  # to 1-hot dense float vectors (that is we will have batch_size vectors,
  # each with NUM_CLASSES values, all of which are 0.0 except there will
  # be a 1.0 in the entry corresponding to the label).
  batch_size = tf.size(labels)
  labels = tf.expand_dims(labels, 1)
  indices = tf.expand_dims(tf.range(batch_size), 1)
  concated = tf.concat(1, [indices, labels])
  onehot_labels = tf.sparse_to_dense(
      concated, tf.pack([batch_size, NUM_CLASSES]), 1.0, 0.0)
  cross_entropy = tf.nn.softmax_cross_entropy_with_logits(logits, onehot_labels,
                                                          name='xentropy')
  loss = tf.reduce_mean(cross_entropy, name='xentropy_mean')
  return loss

如果我将 loss 函数中的所有代码放在 with tf.Session(): 块中，它就可以避免此错误。但是，稍后我收到有关未初始化变量的其他错误，所以我猜测会话设置或初始化或其他方面出现了重大问题。作为张量流的新手，我有点不知所措。有任何想法吗？

[注意：我根本没有编辑代码，只是从 tensorflow 教程下载并尝试运行按照说明 python fully_connected_feed.py]

Answer 1

TypeError: range() takes at least 2 arguments (1 given)

那是错误。

查看 tensorflow docs for range，我们可以看到 range 的函数签名为 start, limit, delta=1, name='range'。这意味着函数调用至少需要两个参数。您的示例仅显示提供的一个参数。

可以在文档中找到示例：

# 'start' is 3
# 'limit' is 18
# 'delta' is 3
tf.range(start, limit, delta) ==> [3, 6, 9, 12, 15]

Answer 2

这个问题的出现是因为在 GitHub 上的最新版本的 TensorFlow 源代码中，tf.range() 已经 updated 对其参数更加宽松（以前它需要两个参数；现在它具有与 Python 的 range() 内置函数相同的语义），并且 fully_connected_feed.py 示例已更新以利用它。

但是，如果您尝试运行此版本针对 TensorFlow 的二进制分发版，您将收到此错误，因为对 tf.range() 的更改尚未合并到二进制包中。

最简单的解决方案是下载 the old version of mnist.py. Alternatively, you could build from source 以使用最新版本的教程。

Answer 3

你可以像这样正确修复 mnist 代码：

indices = tf.expand_dims(tf.range(0,batch_size),1)

tensorflow MNIST fully_connected_feed.py 失败：range() 至少需要 2 个参数（给定 1 个）

tensorflow MNIST fully_connected_feed.py fails: range() takes at least 2 arguments (1 given)

tensorflow