Python 如何决定批量大小时，使用张量流与我自己的数据？

我试图用我自己的数据使用这个（）教程，但无法使它工作。我的数据是[1X10]大小的向量。本教程是关于MNIST数据的，我试图用不同类型的向量为系统提供信息

我得到一个错误：

% (np_val.shape, subfeed_t.name, str(subfeed_t.get_shape())))
ValueError: Cannot feed value of shape (0, 1) for Tensor u'Placeholder_1:0',
    which has shape '(?, 2)'

批次x和批次y产生错误，但我不知道如何决定它们。我将感激解决这个问题的每一个想法。谢谢

#培训周期
对于范围内的历元（训练历元）：
平均成本=0。
总批次=整数（序列数据形状[0]/批次大小）
#循环所有批次
对于范围内的i（总批次）：
批次x=序列数据[：i*批次大小]
批次y=系列标签[：i*批次大小]
np.重塑（批次x，（-1,10））
np.重塑（批次y，（-1，1））
#运行优化op（backprop）和成本op（以获取损失值）
_，c=sess.run（[optimizer，cost]，feed_dict={x:batch_x，
y：批（y}）
#计算平均损失
平均成本+=成本/总批次
#按历元步长显示日志
如果历元%display_step==0：
打印（“历元：”，“%04d%”（历元+1），“成本=”\
“{.9f}.”格式（平均成本）
打印（“优化完成！”）

错误可能与批处理的外观有关。似乎您的输入占位符

y

需要大小为

[？，2]

的张量（此处

？

指可变大小），但您正在输入大小为

[0，1]

的张量。虽然你的

y\u batch

的第一个维度是0已经很奇怪了（我会检查为什么会发生这种情况），但是还有一个问题，

y\u batch

的第二个维度似乎是1，而预期是2-这可能就是你看到这个错误的原因。为什么在将批处理添加到模型之前要对其进行整形（

np.整形（批处理，（-1，1））

）？该模型将输入占位符定义为特定形状（适用于您，例如，

[？，2]

），您必须在培训和测试期间始终遵循该形状。

错误可能与批处理的外观有关。似乎您的输入占位符

y

需要大小为

[？，2]

的张量（此处

？

指可变大小），但您正在输入大小为

[0，1]

的张量。虽然你的

y\u batch

的第一个维度是0已经很奇怪了（我会检查为什么会发生这种情况），但是还有一个问题，

y\u batch

的第二个维度似乎是1，而预期是2-这可能就是你看到这个错误的原因。为什么在将批处理添加到模型之前要对其进行整形（

np.整形（批处理，（-1，1））

）？该模型以特定的形状定义输入占位符（对于您来说，例如，

[？，2]

），您必须在培训和测试期间始终遵循该形状