将参数输入到以十为单位的占位符中

Question

我正在尝试进入tensorflow，建立一个网络，然后向其提供数据。由于某种原因，我最终得到了错误消息ValueError: setting an array element with a sequence。我举了一个很小的例子来说明我要做的事情：

import tensorflow as tf
K = 10

lchild = tf.placeholder(tf.float32, shape=(K))
rchild = tf.placeholder(tf.float32, shape=(K))
parent = tf.nn.tanh(tf.add(lchild, rchild))

input = [ tf.Variable(tf.random_normal([K])),
          tf.Variable(tf.random_normal([K])) ]

with tf.Session() as sess :
    print(sess.run([parent], feed_dict={ lchild: input[0], rchild: input[1] }))

基本上，我用占位符和我想学习的一系列输入嵌入来建立一个网络，然后我试着运行网络，把输入嵌入输入到网络中。通过搜索错误消息可以看出，我的feed_dict可能有问题，但我看不到任何明显的不匹配，例如维度。在

那么，我错过了什么，或者我是怎么把这件事完全颠倒过来的？在

编辑：我编辑了上面的内容，以澄清输入表示需要学习的嵌入。我想这个问题可以问得更尖锐一些，比如：是否可以为参数使用占位符？

Answer 1

输入应该是numpy数组。在

所以，不用tf.Variable(tf.random_normal([K]))，只需写np.random.randn(K)，一切都会如预期的那样工作。在

编辑（问题在我回答后澄清了）：

可以使用占位符作为参数，但方式稍有不同。例如：

lchild = tf.placeholder(tf.float32, shape=(K))
rchild = tf.placeholder(tf.float32, shape=(K))
parent = tf.nn.tanh(tf.add(lchild, rchild))
loss = <some loss that depends on the parent tensor or lchild/rchild>
# Compute gradients with respect to the input variables
grads = tf.gradients(loss, [lchild, rchild])

inputs = [np.random.randn(K), np.random.randn(K)]
for i in range(<number of iterations>):
    np_grads = sess.run(grads, feed_dict={lchild:inputs[0], rchild:inputs[1])
    inputs[0] -= 0.1 * np_grads[0]
    inputs[1] -= 0.1 * np_grads[1]

然而，这并不是最好或最简单的方法。它的主要问题是，在每次迭代中，您都需要将numpy数组复制到会话中或从会话中复制出来（会话可能在不同的设备上运行，比如GPU）。在

占位符通常用于输入模型外部的数据（如文本或图像）。使用tensorflow实用程序解决此问题的方法如下：

^{pr2}$