TensorFlow'；s占位符大小

我对如何使用占位符进行批量培训感到困惑。在我的代码中，输入图像的大小是3x3。为了进行批量培训，我正在设置

tf.placeholder（tf.float32，shape=[None，3,3]）

当我尝试将3x3批次作为输入时，TensorFlow给出了一个错误

Cannot feed value of shape (3, 3) for Tensor u'Placeholder_1:0', which has shape '(?, 3, 3).

下面是代码

input=np.array（[[1,1,1]，[1,1,1]，[1,1,1]）
占位符=tf.placeholder（tf.float32，shape=[None，3,3]）
init=tf.global_variables_initializer（）
使用tf.Session（）作为sess：
sess.run（初始化）
运行（占位符，提要{占位符：输入}）

您的占位符的形状为

无x 3 x 3

，因此您需要输入具有3维度的数据，即使第一个维度的大小仅为1（即在您的情况下是a

1 x 3 x 3

）。向数组中添加额外维度（大小为1）的一种简单方法是执行

array[None]

。如果

array

具有形状

3 x 3

，则

array[None]

具有形状

1 x 3 x 3

。因此，您可以将代码更新为

inputs=np.array（[[1,1,1]，[1,1,1]，[1,1,1]]
占位符=tf.placeholder（tf.float32，shape=[None，3，3]）
init=tf.global_variables_initializer（）
使用tf.Session（）作为sess：
sess.run（初始化）
运行（占位符，提要{占位符：输入[None]}）

（我将

input

更改为

inputs

，因为

input

在Python中是一个关键字，不应该用作变量名）

---

请注意，如果

inputs

已经是3D，则不希望执行

inputs[None]

。如果它可能是2D或3D，您将需要一个条件，如

inputs[None]If inputs.ndim==2 else inputs

占位符不应该是tf.placeholder（tf.float32，shape=[3,3，None]），因为批量训练将增加第三维的输入大小，就像第一个输入将是3 x 3 x 1一样，第二批输入将使输入为3x3x2。为什么首先是tf.placeholder（tf.float32，shape=[None，3，3]）。这表明第三维度固定在3。对此有什么解释吗？通常的惯例是将批次维度放在第一位