Tensorflow :一维数据的形状不匹配问题

Question

我试图将x_data传递为feed_dict，但由于错误程度较低，我不确定代码中有什么问题。

InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'x_12' with dtype int32 and shape [1000]
     [[Node: x_12 = Placeholder[dtype=DT_INT32, shape=[1000], _device="/job:localhost/replica:0/task:0/cpu:0"]()]]

我的守则：

import tensorflow as tf
import numpy as np
model = tf.global_variables_initializer()
#define x and y
x = tf.placeholder(shape=[1000],dtype=tf.int32,name="x")
y = tf.Variable(5*x**2-3*x+15,name = "y")
x_data = tf.pack(np.random.randint(0,100,size=1000))
print(x_data)
print(x)
with tf.Session() as sess:
    sess.run(model)
    print(sess.run(y,feed_dict={x:x_data}))

我检查了x和x_data的形状，结果是一样的。

Tensor("pack_8:0", shape=(1000,), dtype=int32)
Tensor("x_14:0", shape=(1000,), dtype=int32)

我正在处理一维数据。任何帮助都是感激的，谢谢！

Answer 1

为了工作，我改变了两件事，第一，我把y变成了Tensor。第二，我没有将x_data更改为Tensor，就像注释这里一样

可选的feed_dict参数允许调用方覆盖图中张量的值。feed_dict中的每个键都可以是以下类型之一： 如果键是张量，则该值可能是Python标量、字符串、列表或numpy ndarray，可以转换为与该张量相同的dtype。此外，如果键是占位符，则将检查值的形状是否与占位符兼容。

为我工作的更改代码：

import tensorflow as tf
import numpy as np
model = tf.global_variables_initializer()
#define x and y
x = tf.placeholder(shape=[1000],dtype=tf.int32,name="x")
y = 5*x**2-3*x+15 # without tf.Variable, making it a tf.Tensor
x_data = np.random.randint(0,100,size=1000) # without tf.pack
print(x_data)
print(x)
with tf.Session() as sess:
    sess.run(model)
    print(sess.run(y,feed_dict={x:x_data}))