Python 如何为Tensorflow占位符提供numpy数组？

我正在用TensorFlow创建一个简单的玩具示例，我遇到了一个奇怪的错误。我有两个占位符，定义如下：

x = tf.placeholder(tf.float32, shape=[None,2]) [two-parameter input]

y_ = tf.placeholder(tf.float32, shape=[None,2]) [one-hot labels]

稍后，我将尝试使用定义为以下内容的提要来为这些占位符提供提要：

feed_dict={x: batch[0].astype(np.float32), y_: batch[1].astype(np.float32)}

其中

batch[0]

和

batch[1]

都是大小（100,2）的numpy ndarray[通过打印出各自的大小进行验证]

当我尝试运行模型时，我得到错误：

“InvalidArgumentError:必须为带有dtype float的占位符张量“占位符”输入一个值”

由上面定义的占位符“x”引起

谁知道我做错了什么？我在网上浏览了几个例子，看起来这应该行得通。。。是否有另一种方法可以将numpy数组中的值提供给占位符

---

如果有帮助的话，我正在Ubuntu、SCL和Python 2.7中工作，我已经安装了所有标准的numpy和tensorflow软件包。

如果没有完整的代码，很难准确回答。 我试着复制你在玩具示例中描述的内容，结果成功了

import tensorflow as tf
import numpy as np

x = tf.placeholder(tf.float32, shape=[None, 2])
y_ = tf.placeholder(tf.float32, shape=[None, 2])
loss = tf.reduce_sum(tf.abs(tf.sub(x, y_)))#Function chosen arbitrarily
input_x=np.random.randn(100, 2)#Random generation of variable x
input_y=np.random.randn(100, 2)#Random generation of variable y

with tf.Session() as sess:
    print(sess.run(loss, feed_dict={x: input_x, y_: input_y}))

---

为了帮助调试，您可以为所有张量和操作指定一个名称，例如通过执行

x=tf.placeholder（…，name='x'）

。那么错误消息就不那么神秘了。您的代码应该可以工作，我在我的机器上也做了同样的事情，即使用相同类型的

numpy.ndarray

输入

tf.placeholder

。如果您给出完整的错误消息，这会有所帮助。