Operation.run()的feed_dict参数（以及Session.run()和Tensor.eval() ）接受将Tensor对象（通常为tf.placeholder()张量）映射到numpy数组（或可以简单转换的对象）的字典到一个numpy数组）。
在您的情况下，您传递的是batch_xs ，它是numpy数组的列表，而TensorFlow不知道如何将其转换为numpy数组。假设batch_xs定义如下：
batch_xs = [np.random.rand(100, 100),
np.random.rand(100, 100),
..., # 29 rows omitted.
np.random.rand(100, 100)] # len(batch_xs) == 32.
我们可以使用以下方法将batch_xs转换为32 x 100 x 100数组：
# Convert each 100 x 100 element to 1 x 100 x 100, then vstack to concatenate.
batch_xs = np.vstack([np.expand_dims(x, 0) for x in batch_xs])
print batch_xs.shape
# ==> (32, 100, 100)
请注意，如果batch_ys是浮点数列表，则batch_ys将透明地将其转换为一维numpy数组，因此您无需转换此参数。
编辑：mdaoust使一个有效点意见：如果你传递数组列表为np.array （因此如在价值feed_dict ），它会自动vstack版，所以应该不需要你的输入转换如我所建议。相反，听起来您的列表元素的形状不匹配。尝试添加以下内容：
assert all(x.shape == (100, 100) for x in batch_xs)
...在调用train_step.run() ，这应该显示您是否不匹配。
收藏
百如云• 648
评论
安甜• 698
关于我们
常见问题
内容许可
联系我们
0
我正在尝试实现使用我自己的图像集训练的简单逻辑回归模型，但是当我尝试训练模型时却出现此错误：
我正在提供给
train_step.run({x: batch_xs, y_: batch_ys})是这样的：我究竟做错了什么？提前谢谢！
编辑1 ：它接缝的问题是我必须在将
batch_xs的张量传递给train_step.run(...)之前对其进行train_step.run(...)。我以为run方法可以解决这个问题，但是我想我错了？无论如何，所以一旦我在调用函数之前这样做了：编辑2 ：即使按照下面的答案建议，我也遇到了几个问题。最后，我放弃了张量并使用了numpy数组来修复所有问题。
希望这对别人有帮助