如何使用tf.reshape()？

Question

import tensorflow as tf    
import random    
import numpy as np    

x = tf.placeholder('float')   
x = tf.reshape(x, [-1,28,28,1])

with tf.Session() as sess:
    x1 = np.asarray([random.uniform(0,1) for i in range(784)])
    result = sess.run(x, feed_dict={x: x1})
    print(result)

我在使用mnist数据进行整形时遇到了一些问题，但是这个问题是我问题的简化版本.为什么这段代码不起作用？

它显示了

"ValueError:不能为具有形状'(?，28，28，1)‘的张量’整形:0‘提供形状值(784，)“。

我怎么能解决呢？

Answer 1

重新分配之后，x是形状为[-1,28,28,1]的张量，正如错误所述，不能将(784,)形状为(?, 28, 28, 1)。您可以使用不同的变量名：

import tensorflow as tf
import random
import numpy as np

x = tf.placeholder('float')
y = tf.reshape(x, [-1,28,28,1])

with tf.Session() as sess:
    x1 = np.asarray([random.uniform(0,1) for i in range(784)])
    result = sess.run(y, feed_dict={x: x1})
    print(result)

Answer 2

在概念上是错误的，因为当您使用sess.run(x, feed_dict{x:x1})时，这里会出现错误。这是为了补充和重塑相同的变量。这会在运行时造成问题。因此，您不能使用单个变量来完成这一任务。

import tensorflow as tf
import random
import numpy as np

x = tf.placeholder('float')
y = tf.reshape(x, [-1,28,28,1])

with tf.Session() as sess:
    x1 = np.asarray([random.uniform(0,1) for i in range(784)])
    result = sess.run(y, feed_dict={x: x1})
    print(result)

在tensorflow中，变量是位置持有者。因此，x将保存浮点值，另一个变量表示y将保存形状为[-1,28,28,1]的值。

如果使用相同的变量名，那么它必须充当两件事的占位符。这是不可能的