Tensorflow 运行tf.global_variables_initializer（）时InvalidArgumentError

基本上，我有一个函数，它需要一个张量x和两个占位符z和c

def error_robust(x,z,c):
  zz = tf.reshape(z, [-1, 28, 28, 1])
  var = tf.reduce_mean(x-zz)
  out = tf.cond( tf.abs(var) <= c, lambda: (c*c/6.0)*(1 - tf.pow(1-tf.pow(var/c,2),3)), lambda: tf.Variable(c*c/6.0) )
  return out

调用定义的函数不会生成任何错误：

error_r = error_robust(layer1_b.reconstruction, flat_mnist_data, param_robust)

这将生成一个错误：

sess.run(tf.global_variables_initializer())

InvalidArgumentError（回溯见上文）：必须为带有dtype float的占位符张量“占位符”输入一个值 [[Node:Placeholder=PlaceholdType=DT_FLOAT，shape=[]，_device=“/job:localhost/replica:0/task:0/gpu:0”]]

---

我真的不明白为什么会这样。关于如何解决这个问题有什么想法吗？

好的，我知道了。我最初期望c是一个简单的标量。所以我使用tf.Variable作为tf.cond的第二个参数。 更新error_robust函数可解决此问题：

def error_robust(x,z,c):
  zz = tf.reshape(z, [-1, 28, 28, 1])
  var = tf.reduce_mean(x-zz)
  out = tf.cond( tf.abs(var) <= c, lambda: (c*c/6.0)*(1 - tf.pow(1-tf.pow(var/c,2),3)), lambda: c*c/6.0 )
  return out

def错误\u鲁棒性（x，z，c）：
zz=tf.重塑（z，[-1,28,28,1]）
var=tf.减少平均值（x-zz）
out=tf.cond（tf.abs（var）好的，我知道了。我首先希望c是一个简单的标量。所以我使用tf.Variable作为tf.cond的第二个参数。
更新error_robust函数可解决此问题：

def error_robust(x,z,c):
  zz = tf.reshape(z, [-1, 28, 28, 1])
  var = tf.reduce_mean(x-zz)
  out = tf.cond( tf.abs(var) <= c, lambda: (c*c/6.0)*(1 - tf.pow(1-tf.pow(var/c,2),3)), lambda: c*c/6.0 )
  return out

def错误\u鲁棒性（x，z，c）：
zz=tf.重塑（z，[-1,28,28,1]）
var=tf.减少平均值（x-zz）
out=tf.cond（tf.abs（var）