python 3.x 中的 tensorflow - 您必须使用 dtype float 为占位符张量'Placeholder'输入一个值

Question

我正在使用Python 3.6中的TensorFlow代码。当我尝试此操作时，会发生一个例外：

InvalidArgumentError(请参见上文(：您必须使用dtype float为占位符张量"占位符"的价值

[[node：占位符=占位符= dt_float，shape =，_device ="/job：localhost/epplica：0/task：0/task：0/device：cpu：0"]

import tensorflow as tf
x_data = [1.0, 2.0, 3.0]
y_data = [1.0, 2.0, 3.0]
W = tf.Variable(tf.random_uniform([1]), name='weight')
b = tf.Variable(tf.random_uniform([1]), name='bias')
X = tf.placeholder(tf.float32)
Y = tf.placeholder(tf.float32)
hypothesis = W * X + b
cost = tf.reduce_mean(tf.square(hypothesis - Y))
a = tf.Variable(0.1)
optimizer = tf.train.GradientDescentOptimizer(a)
train = optimizer.minimize(cost)
init = tf.initialize_all_variables()
sess = tf.Session()
sess.run(init)
for index in range(2001):
    sess.run(train, feed_dict={X: x_data, Y: y_data})
    if index % 20 == 0:
         print(index, sess.run(cost), sess.run(W), sess.run(b))

Answer 1

我认为问题是在最后一行，您正在以成本运行会话。尝试用

替换最后一行

print(index, sess.run(cost, feed_dict={X: x_data, Y: y_data}), sess.run(W), sess.run(b))

这是由于成本需要获取X和Y数据以找到假设的原因，如您在代码中指定的那样，可以使用 feed_dict 。我粘贴了您评估成本的线路。

hypothesis = W * X + b 
cost = tf.reduce_mean(tf.square(hypothesis - Y))