如何解决ValueError：无法使用Jupyter noteb为python中具有形状“（？，4）”的张量“占位符_1:0”提供形状（230，）的值

Question

我似乎无法解决这个问题，因为我是tensorflow的新手，我认为问题在于图形不匹配 但是解决不了，请帮忙。我想解决这个问题，因为我将在android应用程序中使用它

定义占位符：

x = tf.placeholder(tf.float32,shape=[None,80,80,3])
y_true = tf.placeholder(tf.float32,shape=[None,4])

CNN层：

%%time
#Changing settings for GPU running.
config = tf.ConfigProto(allow_soft_placement=True)
config.gpu_options.allow_growth = True
config.gpu_options.allocator_type = 'BFC'
#Training and saving the result
with tf.Session(config=config) as sess:
    sess.run(init)
    summary_writer = tf.summary.FileWriter(TRAIN_DIR, graph=tf.get_default_graph())
    for i in range(epochs):
        for j in range(0,steps,step_size):            
            _ , c , summary,d = sess.run([train,cross_entropy,merged_summary_op,acc],feed_dict={x:X[j:j+step_size] , y_true:Y[j:j+step_size] ,hold_prob1:0.5,hold_prob2:0.5,hold_prob3:0.5,hold_prob4:0.5})
            summary_writer.add_summary(summary, i * total_batch + j)
            acc_train.append(d)
            mean_of_cross_entropy = sess.run(cross_entropy,feed_dict={x:cv_x,y_true:cv_y ,hold_prob1:1.0,hold_prob2:1.0,hold_prob3:1.0,hold_prob4:1.0})
            mean_of_acc = sess.run(acc,feed_dict={x:cv_x ,y_true:cv_y ,hold_prob1:1.0,hold_prob2:1.0,hold_prob3:1.0,hold_prob4:1.0})
            cross_entropy_list.append(mean_of_cross_entropy)
            acc_list.append(mean_of_acc)
        print(i,mean_of_cross_entropy,mean_of_acc)
    saver.save(sess, "C:\\Users\\blessie\\Desktop\DATASETS - TOMATO LEAF DISEASE\\Models\\CNN_MC.ckpt")
    print("test accuracy = ",np.mean([sess.run(acc,feed_dict={x:test_x[:230],y_true:test_y[:230] ,hold_prob1:1.0,hold_prob2:1.0,hold_prob3:1.0,hold_prob4:1.0}),sess.run(acc,feed_dict={x:test_x[230:460],y_true:test_y[230:460] ,hold_prob1:1.0,hold_prob2:1.0,hold_prob3:1.0,hold_prob4:1.0}),sess.run(acc,feed_dict={x:test_x[460:],y_true:test_y[460:] ,hold_prob1:1.0,hold_prob2:1.0,hold_prob3:1.0,hold_prob4:1.0})]))   
    print("cross_entropy loss = ",np.mean([sess.run(cross_entropy,feed_dict={x:test_x[:230],y_true:test_y[:230] ,hold_prob1:1.0,hold_prob2:1.0,hold_prob3:1.0,hold_prob4:1.0}),sess.run(cross_entropy,feed_dict={x:test_x[230:460],y_true:test_y[230:460] ,hold_prob1:1.0,hold_prob2:1.0,hold_prob3:1.0,hold_prob4:1.0}),sess.run(cross_entropy,feed_dict={x:test_x[460:],y_true:test_y[460:] ,hold_prob1:1.0,hold_prob2:1.0,hold_prob3:1.0,hold_prob4:1.0})]))

运行代码并预处理数据后，我得到一个值错误，指出：

ValueError:无法为具有形状“（？，4）”的张量“占位符_1:0”输入形状（230，）的值

如何解决此问题/错误

Answer 1

您还没有给出完整的代码，但是从错误消息来看，您的y_true占位符似乎提供了形状为[230]的数据，基本上是类型为[None]。因此，将y_true更改为应该可以解决此特定问题：

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

但是您之前已经在代码中使用了y_true。因此，cv_y的形状是否正确地作为[None, 4]馈送

我能猜到的另一件特别的事情是，您已经向cv_y提供了一个热编码值，但在随后的代码行中您没有。因此，您可以按如下方式更改代码：

y_true = tf.placeholder(tf.float32,shape=[None])
y_true = tf.one_hot(y_true, 4)

现在，您必须更改cv_y，然后才能将其作为feed_dict传递

cv_y = np.argmax(cv_y, axis=-1)