Python TensorFlow和单词嵌入：传递字典

类似于，我想将值传递给

sess.run（）

的

feed\u dict

部分。为什么当我同时使用

重塑

，以及

展平

（我之前没有观察到与当前代码相比的这些差异）时，会在不可损坏的类型上出现相同的错误

sent\u toks=nltk.sent\u标记化（ctxt）
x2=np.数组（列表（语音处理器转换（发送到toks）））
y=np.array（列表（vocab_processor.transform（））
导入tensorflow.contrib作为ct
def NHIDDEN（）：
返回1
def NINPUT（）：
返回50
g=tf.Graph（）
tf.reset_default_graph（）
使用g.as_default（）：
将tf.Session（graph=g）作为sess：
而步骤<1:#培训#投标人：
x2=np.reformate（np.array（x2.flatte（）），[-1，NINPUT（）]））
y_嵌入=np.重塑（tf.nn.嵌入_查找（W，y），[1，-1]）
_，损失，预测=sess.run（[optimizer，cost，pred]，feed\u dict=
{x2:x2，y:y_}）
损失总额+=损失
打印（“损失=”+“{.6f}”。格式（损失总额））
步骤+=1
打印（“完成优化”）

---

TypeError回溯（最近一次调用）
在（）
51 y_嵌入=np.重塑（tf.nn.嵌入_查找（W，y），[1，-1]）
52 uu，损失，预测=sess.run（[optimizer，cost，pred]，feed\u dict=
--->53{x2:x2}）#，y:y#}）
54损失_总+=损失
55打印（“损失=”+“{.6f}”。格式（损失总额））
TypeError:不可损坏的类型：“numpy.ndarray”

我没有试图理解您的代码的细节，但确实看到了您使用feed-dict的问题。feed-dict的语法是，键是tf图中的张量-通常是

tf.placeholder

，而值是您要向其提供的数据。这里x2同时用作键和值，这可能是问题所在。因此，如果

tf_节点

是您想要提供数据的地方，那么应该使用

feed_dict={tf_节点：x2}

而不是

feed_dict={x2:x2}

希望这有帮助

sent_toks = nltk.sent_tokenize(ctxt)
x2 = np.array(list(vocab_processor.transform(sent_toks)))
y = np.array(list(vocab_processor.transform(<some other string>)))

import tensorflow.contrib as ct

def NHIDDEN():
    return 1

def NINPUT():
    return 50

g = tf.Graph()
tf.reset_default_graph()

with g.as_default():
    with tf.Session(graph = g) as sess:
        while step < 1: # training_iters:
            x2 = np.reshape(np.array(x2.flatten()), [-1, NINPUT()])
            y_embedding = np.reshape(tf.nn.embedding_lookup(W, y), [1,-1])
            _,loss, pred_ = sess.run([optimizer, cost, pred], feed_dict =
                                 {x2: x2, y: y_embedding})
            loss_total += loss
            print("loss = " + "{:.6f}".format(loss_total))
            step += 1
        print ("Finished Optimization")

TypeError                                 Traceback (most recent call last)
<ipython-input-16-ecd566e6a457> in <module>()
     51             y_embedding = np.reshape(tf.nn.embedding_lookup(W, y), [1,-1])
     52             _,loss, pred_ = sess.run([optimizer, cost, pred], feed_dict =
---> 53                                      {x2: x2}) # , y: y_embedding})
     54             loss_total += loss
     55             print("loss = " + "{:.6f}".format(loss_total))

TypeError: unhashable type: 'numpy.ndarray'