Tensorflow : numpy ndarray를 자리 표시 자에 넣을 때 InvalidArgumentError

Question

3 개의 입력 "뉴런"(높이, 무게, 체지방의 3 가지 기능)과 2 개의 출력 "뉴런"으로 구성된 간단한 신경망을 실행하여 새 데이터를 분류하고 싶습니다. softmax 로지스틱 회귀, 남성 또는 여성). 모델에 데이터 입력을 연습하기 위해이 데이터를 구성했습니다. 텐서 플로우 웹 사이트의 MNIST 튜토리얼과 비슷하지만 784 개의 입력 피쳐 대신에 훨씬 간단하고 실제적인 MNIST 이미지의 픽셀 - 우리 모델을 훈련시키기 위해 여러 개의 일괄 처리 대신 3 개만을 가지고 있습니다. 동일한 데이터에서 여러 번 훈련하십시오.)

이 방법은 k-means 클러스터링과 같은 간단한 알고리즘을 통해 수행 할 수 있습니다. 그러나 작을 때 데이터를 입력하는 방법을 배우고 싶습니다.

나는이 얻을 : 나는 (tf.float32과 동일 함) np.float32에 목록 값을 변환 때문에

InvalidArgumentError: You must feed a value lue for placeholder tensor 'Placeholder' with dtype float

내가 ... 이유를 알고하지 않습니다와 나는 바로 그것을 확인 함수를 정의하기 전에. 아직, 나는 아직도이 성가신 오류를 얻는다. 첫 번째 palceholder에로드 할 때 아무리 변경 무엇을, 난 항상이 오류를 얻을 : X.

를이 내 코드입니다 :

#!/usr/bin/env python 
# -*- coding: utf-8 -*- 

import numpy as np 
import tensorflow as tf 
import time 

    #TRAINING DATA 


     #3 VIs en columna 

        #est, pes, %gb_fat 
persones = np.asarray([[175,70,2], #H 
         [155,45,15], #F 
         [190,85,8], #H 
         [185,90,7], #H 
         [169,60,3], #H 
         [150,40,13], #F 
         [173,69,12]], dtype = np.float32) #H 

         # H , D --> one-hot!! 
etiquetes = np.asarray([[1,0], 
         [0,1], 
         [1,0], 
         [1,0], 
         [1,0], 
         [0,1], 
         [1,0]], dtype = np.float32) 


#TESTING DATA 
persones_evaluacio = np.asarray([[190,89,4], #H 
           [155,52,16], #D 
           [171,55,18]], dtype = np.float32) #D 

etiquetes_evaluacio = np.asarray([[1,0], 
            [0,1], 
            [0,1]], dtype = np.float32) 

#WE TEST THE DATATYPES 
print("dades dels nombres: ",type(persones[0][0])) 
print("tipus estructura de dades de la matriu: ", type(persones)) 
time.sleep(3) 
print("files de la matriu:") 
time.sleep(0.5) 
for i in range(len(persones)): 
    print(persones[i]) 
time.sleep(0.5) 


def classifica_H_D(nombre_VIs, categories_VD): 

    #placeholders 
    x = tf.placeholder(tf.float32, [None,nombre_VIs]) 
    y_reals = tf.placeholder(tf.float32, [None,categories_VD]) 

    #variables 
    w = tf.Variable(tf.zeros([nombre_VIs, categories_VD], dtype = tf.float32)) 
    b = tf.Variable(tf.zeros([categories_VD], dtype = tf.float32)) 


    #DEFINE MODEL 
    y_predits = tf.nn.softmax(tf.matmul(x,w) + b) 

    # define LOSS FUNCTION 
    cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=y_reals, logits=y_predits)) 

    #define optimizer to get cross_entropy minimized 
    train_step = tf.train.GradientDescentOptimizer(0.001).minimize(cross_entropy) 


    with tf.Session() as sess: 
     sess.run(tf.global_variables_initializer()) 
     print("finsaqui") 
     time.sleep(2) 
     for i in range(1000): #iterate over same data. 
      sess.run(train_step, feed_dict = {x : persones, y_reals : etiquetes}) 
      if i%50: 
       print(w.eval(), sess.run(cross_entropy)) 

     prediccio_correcta = tf.equal(tf.argmax(y_predit,1), tf.argmax(y_correctes,1)) 
     accuracy = tf.reduce_mean(tf.cast(prediccio_correcta, tf.float32)) 
     return "\naccuracy: {:.2f}".format(sess.run(accuracy, feed_dict={x: persones_evaluacio, y_reals: etiquetes_evaluacio})) 


print(classifica_H_D(3,2)) 

Answer 1

문제는이 라인에 있습니다

print(w.eval(), sess.run(cross_entropy)), 

당신은 아래 양식에 입력을 공급해야합니다

print(w.eval(), sess.run(cross_entropy, feed_dict = {x : persones, y_reals : etiquetes})) 

또는 더 나은 방법은 다음과 같습니다

for i in range(1000): #iterate over same data. 
    _, c_entropy = sess.run([train_step,cross_entropy], feed_dict = {x : persones, y_reals : etiquetes}) 
    if i%50: 
     print(w.eval(), c_entropy)