Python 使用Keras后端函数时InvalidArgumentError

我正在使用Keras后端函数计算强化学习设置中的梯度，下面是代码片段。对于这段代码，我得到了一个错误，如下所示。原因可能是什么

       1  X = K.placeholder(shape=(None, 32, 32, 3)) 
       2  train_fxn = K.function([X], [], updates=updates)
       3  X = self.states[0].reshape(1, 32, 32, 3)
       4  train_fxn([X])

错误是

       InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'sequential_2_input_1' with dtype float and shape [?,32,32,3]
     [[Node: sequential_2_input_1 = Placeholder[dtype=DT_FLOAT, shape=[?,32,32,3], _device="/job:localhost/replica:0/task:0/device:GPU:0"]()]]

---

它抱怨您提供的向量不是正确的形状，就是包含除浮动以外的值

---

您将值

None

传递给第1行上的向量，这可能导致错误

@r-f-nelson你能再详细解释一下吗？在第3行，X是一个充满浮点数的RGB图像。