如何使用 tf.reshape()？

Question

import tensorflow as tf    
import random    
import numpy as np    

x = tf.placeholder('float')   
x = tf.reshape(x, [-1,28,28,1])

with tf.Session() as sess:
    x1 = np.asarray([random.uniform(0,1) for i in range(784)])
    result = sess.run(x, feed_dict={x: x1})
    print(result)

我在使用 mnist 数据重塑时遇到了一些问题，但这个问题是我问题的简化版本... 为什么实际上这段代码不起作用？

显示

"ValueError: Cannot feed value of shape (784,) for Tensor 'Reshape:0', which has shape '(?, 28, 28, 1)' ".

我该如何解决？

Answer 1

重新分配后，x 是形状为 [-1,28,28,1] 的张量，并且如错误所述，您不能将 (784,) 形状调整为 (?, 28, 28, 1)。您可以使用不同的变量名称：

import tensorflow as tf
import random
import numpy as np

x = tf.placeholder('float')
y = tf.reshape(x, [-1,28,28,1])

with tf.Session() as sess:
    x1 = np.asarray([random.uniform(0,1) for i in range(784)])
    result = sess.run(y, feed_dict={x: x1})
    print(result)

Answer 2

概念上 你在这里得到错误是因为当你使用 sess.run(x, feed_dict{x:x1}) 时。这是试图提供和重塑相同的变量。这会在运行时间内产生问题。因此，您不能使用单个变量来执行此操作。

import tensorflow as tf
import random
import numpy as np

x = tf.placeholder('float')
y = tf.reshape(x, [-1,28,28,1])

with tf.Session() as sess:
    x1 = np.asarray([random.uniform(0,1) for i in range(784)])
    result = sess.run(y, feed_dict={x: x1})
    print(result)

在tensorflow中，变量是占位符。因此，x 将保存浮点值，而另一个变量 y 将保存 [-1,28,28,1].

形状的值

如果使用相同的变量名，那么它必须充当两件事的占位符。这是不可能的。

如何使用 tf.reshape()？

How do I use tf.reshape()?

python

numpy

reshape

mnist

tensorflow