Numpy 将数据类型np.float32馈送到TensorFlow占位符

我试图将类型为float32的numpy ndarray提供给TensorFlow占位符，但它给了我以下错误：

You must feed a value for placeholder tensor 'Placeholder' with dtype float

TypeError: The value of a feed cannot be a tf.Tensor object. Acceptable feed values include Python scalars, strings, lists, or numpy ndarrays.

我的席位持有人定义为：

n_steps = 10
n_input = 13
n_classes = 1201

x = tf.placeholder("float", [None, n_steps, n_input])
y = tf.placeholder("float", [None, n_classes])

它给我的上面的错误是：

sess.run(optimizer, feed_dict={x: batch_x, y: batch_y})

其中，我的批处理x和批处理y是数据类型（“float32”）的numpy ndarray。以下是我使用pdb打印的类型：

(Pdb)batch_x.dtype
dtype('float32')
(Pdb)x.dtype
tf.float32

我还尝试了将batch_x和batch_y类型转换为tf.float32，因为x似乎是dtype tf.float32，但运行类型转换代码：

sess.run(optimizer, feed_dict={x: tf.to_float(batch_x), y: tf.to_float(batch_y)})

给出以下错误：

You must feed a value for placeholder tensor 'Placeholder' with dtype float

TypeError: The value of a feed cannot be a tf.Tensor object. Acceptable feed values include Python scalars, strings, lists, or numpy ndarrays.

我应该如何输入占位符？我应该使用什么类型的？

---

任何帮助/建议都将不胜感激

对于第一个问题，您确定

batch_y

也是

float32

？您只提供

batch_x

类型的跟踪，

batch_y

更可能是整数，因为它似乎是类的一个热门编码

对于第二个问题，您的错误是在常规numpy数组上使用

tf.to_float

，这是一种张量运算。您应该使用numpy cast intstead：

sess.run(optimizer, feed_dict={x: batch_x.astype(np.float32), y: batch_y.astype(np.float32)})

---

你所说的似乎是对的。你介意试试小一点的程序吗？例如，以下工作是否有效

z=tf.reduce_sum（x）+tf.reduce_sum（y）；sess.run（z，feed_dict={x:np.zeros（[1,10,13]），y:np.zeros（[11201]））