我在我的 Pycharm 中編寫(xiě)了以下代碼，它在 Tensorflow 中執(zhí)行完全連接層 (FCL)。占位符發(fā)生無(wú)效參數(shù)錯(cuò)誤。所以我在占位符中輸入了所有dtype, shape, 和name，但我仍然收到無(wú)效參數(shù)錯(cuò)誤。我想通過(guò) FCL 模型制作新的 Signal(1, 222)。輸入信號(hào)(1, 222) => 輸出信號(hào)(1, 222)maxPredict: 找出輸出信號(hào)中具有最高值的索引。calculate Y: 獲取maxPredict對(duì)應(yīng)的頻率數(shù)組值。loss：使用真實(shí) Y 之間的差異并將 Y 計(jì)算為損失。loss = tf.abs(trueY - calculateY)`代碼（發(fā)生錯(cuò)誤）x = tf.placeholder(dtype=tf.float32, shape=[1, 222], name='inputX')錯(cuò)誤InvalidArgumentError（回溯見(jiàn)上文）：您必須使用 dtype float 和 shape [1,222] tensorflow.python.framework.errors_impl.InvalidArgumentError 為占位符張量“inputX”提供一個(gè)值：您必須為占位符張量“inputX”提供一個(gè)值與 dtype float 和 shape [1,222] [[{{node inputX}} = Placeholderdtype=DT_FLOAT, shape=[1,222], _device="/job:localhost/replica:0/task:0/device:CPU:0"]] 在處理上述異常，又發(fā)生了一個(gè)異常：新的錯(cuò)誤案例我改變了我的代碼。x = tf.placeholder(tf.float32, [None, 222], name='inputX')錯(cuò)誤案例 1tensorFreq = tf.convert_to_tensor(basicFreq, tf.float32)newY = tf.gather(tensorFreq, maxPredict) * 60loss = tf.abs(y - tf.Variable(newY))ValueError：initial_value 必須指定一個(gè)形狀：Tensor("mul:0", shape=(?,), dtype=float32)錯(cuò)誤案例 2tensorFreq = tf.convert_to_tensor(basicFreq, tf.float32)newY = tf.gather(tensorFreq, maxPredict) * 60loss = tf.abs(y - newY)回溯（最近一次調(diào)用）：文件“D:/PycharmProject/DetectionSignal/TEST_FCL_StackOverflow.py”，第 127 行，trainStep = opt.minimize(loss) 文件“C:\Users\Heewony\Anaconda3\envs\TSFW_pycharm\lib \site-packages\tensorflow\python\training\optimizer.py”，第 407 行，最小化（[str(v) for _，v in grads_and_vars]，loss））ValueError：沒(méi)有為任何變量提供梯度，檢查你的圖表對(duì)于不支持梯度的操作，變量之間 [tf.Variable 'Variable:0' shape=(222, 1024) dtype=float32_ref, tf.Variable 'Variable_1:0' shape=(1024,) dtype=float32_re, .. ....... tf.Variable 'Variable_5:0' shape=(222,) dtype=float32_ref] 和損失 Tensor("Abs:0", dtype=float32)。開(kāi)發(fā)環(huán)境操作系統(tǒng)平臺(tái)和發(fā)行版：Windows 10 x64TensorFlow 安裝自：AnacondaTensorflow 1.12.0 版：蟒蛇 3.6.7：移動(dòng)設(shè)備：不適用重現(xiàn)的確切命令：N/AGPU 型號(hào)和內(nèi)存：NVIDIA GeForce CTX 1080 TiCUDA/cuDNN：9.0/7.4
2 回答
森林海
TA貢獻(xiàn)2011條經(jīng)驗(yàn) 獲得超2個(gè)贊
應(yīng)該有兩件事要改變。
錯(cuò)誤案例 0。您不需要重塑層之間的流程。您可以None在第一個(gè)維度上使用來(lái)傳遞動(dòng)態(tài)批量大小。
錯(cuò)誤案例 1.您可以直接使用 newY 作為 NN 的輸出。您只使用 tf.Variable 來(lái)定義權(quán)重或偏差。
錯(cuò)誤案例 2.似乎 tensorflow 沒(méi)有梯度下降實(shí)現(xiàn)，也tf.abs()沒(méi)有tf.gather()。對(duì)于回歸問(wèn)題，均方誤差通常就足夠了。
在這里，我如何重寫(xiě)您的代碼。我沒(méi)有你的 matlab 部分，所以我無(wú)法調(diào)試你的 python/matlab 接口：
模型：
def Model_FCL(inputX):
# Fully Connected Layer 1
fcW1 = tf.get_variable('w1', shape=[222, 1024], initializer=tf.initializer.truncated_normal())
fcb1 = tf.get_variable('b1', shape=[222], initializer=tf.initializer.truncated_normal())
# fcb1 = tf.get_variable('b1', shape=[None, 222], trainable=False, initializer=tf.constant_initializer(valueThatYouWant)) # if you want to fix your bias constant
fch1 = tf.nn.relu(tf.matmul(inputX, fcW1) + fcb1, name='relu1')
# Fully Connected Layer 2
fcW2 = tf.get_variable('w2', shape=[1024, 1024], initializer=tf.initializer.truncated_normal())
fcb2 = tf.get_variable('b2', shape=[222], initializer=tf.initializer.truncated_normal())
# fcb2 = tf.get_variable('b2', shape=[None, 222], trainable=False, initializer=tf.constant_initializer(valueThatYouWant)) # if you want to fix your bias constant
fch2 = tf.nn.relu(tf.matmul(fch1, fcW2) + fcb2, name='relu2')
# Output Layer
fcW3 = tf.get_variable('w3', shape=[1024, 222], initializer=tf.initializer.truncated_normal())
fcb3 = tf.get_variable('b3', shape=[222], initializer=tf.initializer.truncated_normal())
# fcb2 = tf.get_variable('b2', shape=[None, 222], trainable=False, initializer=tf.constant_initializer(valueThatYouWant)) # if you want to fix your bias constant
logits = tf.add(tf.matmul(fch2, fcW3), fcb3)
predictY = tf.nn.softmax(logits) #I'm not sure that it will learn if you do softmax then abs/MSE
return predictY, logits
圖形：
with myGraph.as_default():
# define input data & output data ???? ?? placeholder
# put None(dynamic batch size) not -1 at the first dimension so that you can change your batch size
x = tf.placeholder(tf.float32, shape=[None, 222], name='inputX') # Signal size = [1, 222]
y = tf.placeholder(tf.float32, shape=[None], name='trueY') # Float value size = [1]
...
predictY, logits = Model_FCL(x) # Predict Signal, size = [1, 222]
maxPredict = tf.argmax(predictY, 1, name='maxPredict') # Find max index of Predict Signal
tensorFreq = tf.convert_to_tensor(basicFreq, tf.float32)
newY = tf.gather(tensorFreq, maxPredict) * 60 # Find the value that corresponds to the Freq array index
loss = tf.losses.mean_squared_error(labels=y, predictions=newY) # maybe use MSE for regression problem
# loss = tf.abs(y - newY) # Calculate absolute (true Y - predict Y) #tensorflow doesn't have gradient descent implementation for tf.abs
opt = tf.train.AdamOptimizer(learning_rate=0.0001)
trainStep = opt.minimize(loss)
小怪獸愛(ài)吃肉
TA貢獻(xiàn)1852條經(jīng)驗(yàn) 獲得超1個(gè)贊
變量batchSignal的類型或形狀似乎錯(cuò)誤。它必須是一個(gè) numpy 形狀的數(shù)組[1, 222]。如果要使用一批大小為n × 222的示例，占位符x的形狀應(yīng)為[None, 222]和占位符y形狀 [None]。
順便說(shuō)一下，考慮使用tf.layers.dense而不是顯式初始化變量并自己實(shí)現(xiàn)層。
添加回答
舉報(bào)
0/150
提交
取消