Python 3.x 无法在tensorflow中创建自定义分类器

到目前为止，我所做的是：

import tensorflow as tf

dists_next_error = tf.placeholder(tf.float32)
dists_center_error = tf.placeholder(tf.float32)
pts_count = tf.placeholder(tf.float32)
ideal_polygon = tf.Variable(0.)

cost = tf.square(dists_next_error)      \
        + tf.square(dists_center_error) \
        + tf.square(pts_count - ideal_polygon)

optimizer = tf.train.GradientDescentOptimizer(.05).minimize(cost)

sess = tf.Session()
init = tf.global_variables_initializer()
sess.run(init)

hund_zeros = tf.zeros([100])
hund_ones = tf.ones([100])

for i in range(1000):
    sess.run(optimizer, feed_dict={
        dists_next_error: hund_zeros,
        dists_center_error: hund_zeros,
        pts_count: hund_ones})

print(cost.eval(feed_dict={
        dists_next_error: 0.,
        dists_center_error: 0.,
        pts_count: 6.}))         #it should output 0 or close to it.

---

问题在于

sess.run(optimizer, feed_dict={
        dists_next_error: hund_zeros,
        dists_center_error: hund_zeros,
        pts_count: hund_ones})

在

pts\u count

行中更精确地显示：

TypeError:提要的值不能是tf.Tensor对象。可接受的提要值包括Python标量、字符串、列表或numpy ndarray

---

但是我在

pts\u count

中没有看到张量，所以我不知道发生了什么。

张量不能用作提要值（您知道这一点）；tf.one（），tf.zero创建

张量

。所以

hund_zeros = tf.zeros([100])
hund_ones = tf.ones([100])

它们只是张量

您要做的是发送一些实际的数字（这似乎是您的意图）。您可以使用：

• numpy:

  np.one（[100]）

  和

  np.zero（[100]）

• 或者使用

  hund\u zero，hund\u one=sess.run（[hund\u zero，hund\u one]）

• 使用

  Tensor.eval（）方法

请参阅此处的答案以了解更多信息

以下是您提供的代码，已使用运行的

上下文管理器进行了更改：

import tensorflow as tf

dists_next_error = tf.placeholder(tf.float32)
dists_center_error = tf.placeholder(tf.float32)
pts_count = tf.placeholder(tf.float32)
ideal_polygon = tf.Variable(0.)

cost = tf.square(dists_next_error)      \
        + tf.square(dists_center_error) \
        + tf.square(pts_count - ideal_polygon)

optimizer = tf.train.GradientDescentOptimizer(.05).minimize(cost)


hund_zeros = tf.zeros([100])
hund_ones = tf.ones([100])

sess = tf.Session()
init = tf.global_variables_initializer()

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

    # run graphs to get some constants
    hund_zeros, hund_ones = sess.run([hund_zeros, hund_ones])

    for i in range(1000):
        sess.run(optimizer, feed_dict={
            dists_next_error: hund_zeros,
            dists_center_error: hund_zeros,
            pts_count: hund_ones})

    print(cost.eval(feed_dict={
            dists_next_error: 0.,
            dists_center_error: 0.,
            pts_count: 6.}))

从这个开始。
张量不能用作馈送值（您知道这一点）；tf.one（），tf.zero创建
张量
。所以

hund_zeros = tf.zeros([100])
hund_ones = tf.ones([100])

它们只是张量

您要做的是发送一些实际的数字（这似乎是您的意图）。您可以使用：


numpy:
np.one（[100]）
和
np.zero（[100]）
或者使用
hund\u zero，hund\u one=sess.run（[hund\u zero，hund\u one]）
使用
Tensor.eval（）方法


请参阅此处的答案以了解更多信息

以下是您提供的代码，已使用运行的
上下文管理器进行了更改：

import tensorflow as tf

dists_next_error = tf.placeholder(tf.float32)
dists_center_error = tf.placeholder(tf.float32)
pts_count = tf.placeholder(tf.float32)
ideal_polygon = tf.Variable(0.)

cost = tf.square(dists_next_error)      \
        + tf.square(dists_center_error) \
        + tf.square(pts_count - ideal_polygon)

optimizer = tf.train.GradientDescentOptimizer(.05).minimize(cost)


hund_zeros = tf.zeros([100])
hund_ones = tf.ones([100])

sess = tf.Session()
init = tf.global_variables_initializer()

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

    # run graphs to get some constants
    hund_zeros, hund_ones = sess.run([hund_zeros, hund_ones])

    for i in range(1000):
        sess.run(optimizer, feed_dict={
            dists_next_error: hund_zeros,
            dists_center_error: hund_zeros,
            pts_count: hund_ones})

    print(cost.eval(feed_dict={
            dists_next_error: 0.,
            dists_center_error: 0.,
            pts_count: 6.}))

从这个开始