Numpy 无法为张量'；占位符：0'；，其形状为'；（？，3）和#x27；

X_p的形状为[None，3]，X的形状为[2,3]，y_p=[None，1]，y=[2,1]

---

我真的不明白占位符为什么要停止numpy数组来获取数据。

您遇到的问题是，您正在使用

x

作为循环变量来覆盖

x

变量。因此，当您尝试将

x

传递到提要dict时，您传递的是循环变量，而不是张量。尝试将循环变量更改为其他变量，例如：

import numpy as np
import tensorflow as tf

X_p = tf.placeholder(tf.float32,[None,3]  )
y_p = tf.placeholder(tf.float32, [None,1])

print(X_p)

x = [[1,2,3],[1,2,3]]
y = [[1],[2]]

weight = tf.Variable(tf.random_normal([3,1]))



model = tf.nn.sigmoid(tf.matmul(X_p,weight)+1)

error = tf.reduce_sum(y * tf.log(model))

optimizer = tf.train.GradientDescentOptimizer(0.01).minimize(error)

init = tf.initialize_all_variables()

with tf.Session() as sess:
    sess.run(init)

    for x in range(100):
        sess.run(optimizer, {X_p: x, y_p:y})

---

您遇到的问题是，您正在使用

x

作为循环变量来覆盖

x

变量。因此，当您尝试将

x

传递到提要dict时，您传递的是循环变量，而不是张量。尝试将循环变量更改为其他变量，例如：

import numpy as np
import tensorflow as tf

X_p = tf.placeholder(tf.float32,[None,3]  )
y_p = tf.placeholder(tf.float32, [None,1])

print(X_p)

x = [[1,2,3],[1,2,3]]
y = [[1],[2]]

weight = tf.Variable(tf.random_normal([3,1]))



model = tf.nn.sigmoid(tf.matmul(X_p,weight)+1)

error = tf.reduce_sum(y * tf.log(model))

optimizer = tf.train.GradientDescentOptimizer(0.01).minimize(error)

init = tf.initialize_all_variables()

with tf.Session() as sess:
    sess.run(init)

    for x in range(100):
        sess.run(optimizer, {X_p: x, y_p:y})

---

我不能复制这个。当我使用自己的

优化器

变量运行会话时，它工作正常。也许你可以提供一个更完整的例子，其他人可以用它来重现你的问题。@Mark_，我可以，我不能重现这个。当我使用自己的

优化器

变量运行会话时，它工作正常。也许你可以提供一个更完整的例子，其他人可以实际运行来重现你的问题。@Mark_，我很好，做到了。哈哈，真不敢相信我怎么没有注意到。谢谢：）哈哈，真不敢相信我怎么没注意到。谢谢：）