Python 必须为占位符张量'；占位符1'；使用dtype float

这是我的密码。当我在Python Shell中输入

x_列[0]

时，我得到

数组（[3,5,73,33]，dtype=float32）

，对于

y_列[0]

，我得到

数组（[3,5,73,33]）

因此，我认为代码应该能够给出0和W的成本，即b的成本为1和0。但是这个错误出现了。我不知道怎样才能解决这个问题

供您参考，对于

sess.run（[成本、假设、训练]，feed\u dict={X:X\u col[0]，Y:Y\u col[0]}）

---

在您的

打印
语句中，我得到
[960446.13，数组（[76.92639923127.702781681854.09997559838.57220459]，dtype=float32），无

import tensorflow as tf

# H(x) = Wx + b

W = tf.Variable(tf.random_normal([1],name='weight'))
b = tf.Variable(tf.random_normal([1],name='bias'))

X = tf.placeholder(tf.float32)
Y = tf.placeholder(tf.float32)

hypothesis = X * W + b

cost = tf.reduce_mean(tf.square(hypothesis - Y))
optimizer = tf.train.GradientDescentOptimizer(learning_rate=0.01)
train = optimizer.minimize(cost)

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

Weights = []

for step in range(100):
    sess.run([cost,hypothesis,train], feed_dict={X:x_col[0],Y:y_col[0]})
    if step % 99 ==0:
        print(step, sess.run(cost), sess.run(W), sess.run(b))

您使用的是
sess.run（cost）
，但成本取决于
X
和
Y
，您应该提供它们的值，因为它们是占位符。因此，您需要在
feed\u dict
中提供

print(step, sess.run(cost), sess.run(W), sess.run(b))

在您的
打印
语句中

import tensorflow as tf

# H(x) = Wx + b

W = tf.Variable(tf.random_normal([1],name='weight'))
b = tf.Variable(tf.random_normal([1],name='bias'))

X = tf.placeholder(tf.float32)
Y = tf.placeholder(tf.float32)

hypothesis = X * W + b

cost = tf.reduce_mean(tf.square(hypothesis - Y))
optimizer = tf.train.GradientDescentOptimizer(learning_rate=0.01)
train = optimizer.minimize(cost)

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

Weights = []

for step in range(100):
    sess.run([cost,hypothesis,train], feed_dict={X:x_col[0],Y:y_col[0]})
    if step % 99 ==0:
        print(step, sess.run(cost), sess.run(W), sess.run(b))

您使用的是
sess.run（cost）
，但成本取决于
X
和
Y
，您应该提供它们的值，因为它们是占位符。因此，您需要在
feed\u dict
中提供

print(step, sess.run(cost), sess.run(W), sess.run(b))

在TensorFlow中，您定义了一个使用
sess.run（）
语句执行的计算图。作为该图的一部分，
cost
操作由占位符
X
和
Y
定义。要计算
成本
，必须为
X
和
Y
输入一个值

在您的
print
语句中，您调用
sess.run（cost）
而不输入
X
和
Y
。这就是错误的原因

但是您已经执行了图形。只需存储结果值：

print(step, sess.run(cost, feed_dict={X: some_x_value, Y: some_y_value}), sess.run(W), sess.run(b))

并打印成本
C
和假设
H
的结果。在TensorFlow中，您定义了一个使用
sess.run（）语句执行的计算图。作为该图的一部分，
cost
操作由占位符
X
和
Y
定义。要计算
成本
，必须为
X
和
Y
输入一个值

在您的
print
语句中，您调用
sess.run（cost）
而不输入
X
和
Y
。这就是错误的原因

但是您已经执行了图形。只需存储结果值：

print(step, sess.run(cost, feed_dict={X: some_x_value, Y: some_y_value}), sess.run(W), sess.run(b))

打印成本
C
和假设
H
@layoug的答案是正确的。只想向您展示您应该使用的代码：

C, H, _ = sess.run([cost,hypothesis,train], feed_dict={X:x_col[0],Y:y_col[0]})

运行训练op并一次性计算张量值更有效（请注意，您不必指定
假设
）。如果要显式计算任何张量，还必须传递占位符：

for step in range(100):
  cost_val, W_val, b_val, _ = sess.run([cost, W, b, train], 
                                       feed_dict={X:x_col[0],Y:y_col[0]})
  if step % 99 ==0:
    print(step, cost_val, W_val, b_val)

@拉伊格的答案是正确的。只想向您展示您应该使用的代码：

C, H, _ = sess.run([cost,hypothesis,train], feed_dict={X:x_col[0],Y:y_col[0]})

运行训练op并一次性计算张量值更有效（请注意，您不必指定
假设
）。如果要显式计算任何张量，还必须传递占位符：

for step in range(100):
  cost_val, W_val, b_val, _ = sess.run([cost, W, b, train], 
                                       feed_dict={X:x_col[0],Y:y_col[0]})
  if step % 99 ==0:
    print(step, cost_val, W_val, b_val)

选中所有您先前定义的占位符都已包含/输入到提要中。这是因为在计算图形时，占位符是在内存中创建的，如果每个占位符都在提要中被分配了实值，tensorflow将看起来，如果没有，那么它就会产生这样的错误-至少对我来说是这样。
检查前面定义的所有占位符都已包含/输入到提要中。这是因为在计算图形时，占位符是在内存中创建的，如果tensorflow中的每一个都在提要中被分配了真实值，那么tensorflow看起来就会，如果没有，那么它就会产生这样一个错误——至少在我的情况下是这样。
我正在使用google colab，我面临着同样的问题。
我通过按下“runtime”选项解决了这个问题，在这个选项中我按下了“restart and run all”

这重新启动了GoogleColab中的所有代码，错误不再显示
 我正在使用google colab，我也遇到了同样的问题。
我通过按下“runtime”选项解决了这个问题，在这个选项中我按下了“restart and run all”

这重新启动了GoogleColab中的所有代码，错误不再显示
 请阅读-总结是，这不是一个理想的方式来解决志愿者，可能会适得其反获得答案。请不要将此添加到您的问题中。感谢您编辑我的问题。很抱歉，我不打算遇到这种情况。请阅读-总结是，这不是一个理想的方式来解决志愿者，可能会适得其反获得答案。请不要将此添加到您的问题中。感谢您编辑我的问题。对不起，我不想那样。对不起，我不太明白。你能详细解释一下吗？希望现在清楚了。虽然你应该听从@Maxim的建议，但这样做效率更高对不起，我不太明白。你能详细解释一下吗？希望现在清楚了。虽然你应该遵循@Maxim的建议，但那样做效率更高