Python 2.7 tensorflow中不理解数据类型

我试图使用

tf.nn.moments（）

获得均值和方差，如上所示。但是，我遇到了以下错误：

mean , variance = tf.nn.moments(X_train, axes = 1, keep_dims = True)

---------------------------------------------------------------------------
TypeError回溯（最近一次调用上次）
在（）
33 Y_系列=Y_系列。重塑（1355）
34 X_平均值=tf.减少平均值（X_列，轴=1，保持为真）
--->35平均值，方差=tf.nn.矩（X列，轴=1，保持直径=True）
36 X_序列=tf.除（tf.减（X_序列，平均值），tf.平方比（方差））
37 35; Y#u列=Y#u列/（Y#u列.max（轴=1，keepdims=True））
/Users/abhinandanchiney/anaconda2/lib/python2.7/site-packages/tensorflow/python/ops/nn_impl.pyc瞬间
664#充分的统计数据。作为一种解决方法，我们只需执行这些操作
665#在32位浮点上，然后将均值和方差转换回fp16
-->666 y=math_ops.cast（x，dtypes.float32）如果x.dtype==dtypes.float16其他x
667#计算真实平均值，同时保持DIM以进行适当广播。
668平均值=数学运算减少平均值（y轴，keepdims=True，name=“平均值”）
TypeError:无法理解数据类型

请告诉我哪里出错。

需要的是张量，而不是numpy数组：

Args：

• x

  ：张量

试试这个：

x=tf.将_转换为_张量（x_列）
平均值，方差=tf.nn.矩（x，轴=1，保持直径=True）

发布

X_train

@Maxim X_train=np.array（[[…]，…]…]…[…]）的定义，它是一个30x355 numpy数组。它确实有助于消除关于错误数据的错误，但现在抛出了一个新错误，这是因为我无法将“X”传递给函数<代码>-->96个参数=模型（X_列，Y_列，X_测试，Y_测试）中的模型（X_列，Y_列，X_测试，Y_测试，学习率，数字时代，打印成本）--->73，小批量成本=sess.run（[optimizer，cost]，feed_dict={X:X_列，Y:Y_列}）类型错误：feed的值不能是tf.Tensor对象。可接受的提要值包括Python标量、字符串、列表、numpy ndarray或TensorHandles。@Abhinandan这似乎是另一个问题。查看或随意提出新问题。

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-43-fc383f99b15b> in <module>()
     33 Y_train = Y_train.reshape(1,355)
     34 X_mean = tf.reduce_mean(X_train, axis = 1, keepdims = True)
---> 35 mean , variance = tf.nn.moments(X_train, axes = 1, keep_dims = True)
     36 X_train = tf.divide(tf.subtract(X_train,mean),tf.sqrt(variance))
     37 #Y_train = Y_train/(Y_train.max(axis = 1, keepdims = True))

/Users/abhinandanchiney/anaconda2/lib/python2.7/site-      packages/tensorflow/python/ops/nn_impl.pyc in moments(x, axes, shift, name, keep_dims)
    664     # sufficient statistics. As a workaround we simply perform the operations
    665     # on 32-bit floats before converting the mean and variance back to fp16
--> 666     y = math_ops.cast(x, dtypes.float32) if x.dtype == dtypes.float16 else x
    667     # Compute true mean while keeping the dims for proper broadcasting.
    668     mean = math_ops.reduce_mean(y, axes, keepdims=True, name="mean")

 TypeError: data type not understood