Tensorflow (python): "ValueError: setting an array element with a sequence" in train_step.run(...)

Question

我正在尝试实现一个使用我自己的图像集训练的简单逻辑回归模型，但是当我尝试训练模型时出现此错误：

Traceback (most recent call last):
File "main.py", line 26, in <module>
model.entrenar_modelo(sess, training_images, training_labels)
File "/home/jr/Desktop/Dropbox/Machine_Learning/TF/Míos/Hip/model_log_reg.py", line 24, in entrenar_modelo
train_step.run({x: batch_xs, y_: batch_ys})
File "/home/jr/.local/lib/python2.7/site-packages/tensorflow/python/framework/ops.py", line 1267, in run
_run_using_default_session(self, feed_dict, self.graph, session)
File "/home/jr/.local/lib/python2.7/site-packages/tensorflow/python/framework/ops.py", line 2763, in _run_using_default_session
session.run(operation, feed_dict)
File "/home/jr/.local/lib/python2.7/site-packages/tensorflow/python/client/session.py", line 334, in run
np_val = np.array(subfeed_val, dtype=subfeed_t.dtype.as_numpy_dtype)
ValueError: setting an array element with a sequence.

我提供给 train_step.run({x: batch_xs, y_: batch_ys}) 的数据是这样的：

batch_xs：表示 100x100（10,000 个长张量）图像的张量对象列表
batch_ys：标签列表为浮点数（1.0 或 0.0）

我做错了什么？

编辑

看来问题是我必须在将张量传递给 train_step.run(...) 之前评估 batch_xs 中的张量。我以为运行方法可以解决这个问题，但我想我错了？不管怎样，一旦我在调用函数之前做了这个：

for i, x in enumerate(batch_xs):
    batch_xs[i] = x.eval()
    #print batch_xs[i].shape
    #assert all(x.shape == (100, 100, 3) for x in batch_xs)
# Now I can call the function

即使按照以下答案中的建议进行操作后，我仍然遇到了几个问题。我终于通过放弃张量和使用 numpy 数组来修复所有问题。

Answer 1

此特定错误来自 numpy。在维度不一致的序列上调用 np.array 可能会抛出它。

>>> np.array([1,2,3,[4,5,6]])

ValueError: setting an array element with a sequence.

看起来它在 tf 确保 feed_dict 的所有元素都是 numpy.array 的地方失败了。

检查你的feed_dict。

Answer 2

Operation.run() (also Session.run() and Tensor.eval()) accepts a dictionary mapping Tensor objects (usually tf.placeholder() 张量的 feed_dict 参数）到 numpy 数组（或可以简单地转换为 numpy 数组的对象）。

在您的例子中，您传递的是 batch_xs，这是一个 numpy 数组列表，TensorFlow 不知道如何将其转换为 numpy 数组。假设 batch_xs 定义如下：

batch_xs = [np.random.rand(100, 100),
            np.random.rand(100, 100),
            ...,                       # 29 rows omitted.
            np.random.rand(100, 100)]  # len(batch_xs) == 32.

我们可以使用以下方法将 batch_xs 转换为 32 x 100 x 100 数组：

# Convert each 100 x 100 element to 1 x 100 x 100, then vstack to concatenate.
batch_xs = np.vstack([np.expand_dims(x, 0) for x in batch_xs])
print batch_xs.shape
# ==> (32, 100, 100)

请注意，如果 batch_ys 是一个浮点数列表，TensorFlow 会将其透明地转换为一维 numpy 数组，因此您不需要转换此参数。

编辑： mdaoust 在评论中提出了一个有效的观点：如果将数组列表传递给 np.array（因此作为 [=13 中的值=])，它会自动被 vstacked，所以应该不需要像我建议的那样转换你的输入。相反，听起来您的列表元素的形状不匹配。尝试添加以下内容：

assert all(x.shape == (100, 100) for x in batch_xs)

...在调用 train_step.run() 之前，这应该会显示您是否存在不匹配。

Tensorflow (python): "ValueError: setting an array element with a sequence" in train_step.run(...)

Tensorflow (python): "ValueError: setting an array element with a sequence" in train_step.run(...)

python-2.7

tensorflow

编辑