Python Tensorflow：无法将函数转换为张量或运算

我已经通读了前面的字符串。我的数据是以数组的形式提供给占位符的。在馈送之前尝试将数据转换为张量会产生不同的（反向）错误消息。在这种情况下，其他类似的解决方案似乎也不起作用。这里是最简单的代码

from __future__ import print_function

import numpy as np
import tensorflow as tf
from tensorflow.contrib.factorization import KMeans

X = tf.placeholder(tf.float32, shape=[None, 10], name="X")

data = np.random.randn(2,10)

def lump(X):
    # Build KMeans graph
    kmeans = KMeans(inputs=X, num_clusters=k, distance_metric='cosine',
            use_mini_batch=True)
    (all_scores, cluster_idx, scores, cluster_centers_initialized,      cluster_centers_var, init_op,
    train_op) = kmeans.training_graph()
    cluster_idx = cluster_idx[0] # fix for cluster_idx being a tuple
    avg_distance = tf.reduce_mean(scores)

    return cluster_idx, scores

# Initialize the variables (i.e. assign their default value)
init = tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)
    idx, d = sess.run(lump,feed_dict={X: data})

---

正确，您不能只计算

lump

，因为它是一个函数（返回张量），而不是张量或运算。您可能打算这样做：

cluster_idx, scores = lump(X)
with tf.Session() as sess:
  sess.run(tf.global_variables_initializer())
  idx, d = sess.run([cluster_idx, scores], feed_dict={X: data})

请注意，

lump（）

在

tf.global\u variables\u initializer（）

之前被调用，因为它在图形中定义了新变量，所以必须对它们进行初始化

代码仍然失败，因为

lump

显然没有完成，并且在维度方面存在问题，但这是在会话中评估某些内容的正确方法