uso - tensorflow como usarlo

tensorflow: ValueError: configuración de un elemento de matriz con una secuencia

Question

Estoy jugando con el código fijo de esta pregunta . Estoy obteniendo el error anterior. Google sugiere que podría ser algún tipo de desajuste de dimensiones, aunque mis diagnósticos no muestran ninguno:

with tf.Session() as sess:
    sess.run(init)

    # Fit all training data
    for epoch in range(training_epochs):
        for (_x_, _y_) in getb(train_X, train_Y):
            print("y data raw", _y_.shape )
            _y_ = tf.reshape(_y_, [-1, 1])
            print( "y data ", _y_.get_shape().as_list())
            print("y place holder", yy.get_shape().as_list())

            print("x data", _x_.shape )            
            print("x place holder", xx.get_shape().as_list() )

            sess.run(optimizer, feed_dict={xx: _x_, yy: _y_})

Mirando las dimensiones, todo está bien:

y data raw (20,)
y data  [20, 1]
y place holder [20, 1]

x data (20, 10)
x place holder [20, 10]

Error:

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-131-00e0bdc140b2> in <module>()
     16             print("x place holder", xx.get_shape().as_list() )
     17 
---> 18             sess.run(optimizer, feed_dict={xx: _x_, yy: _y_})
     19 
     20 #         # Display logs per epoch step

/usr/local/lib/python3.4/dist-packages/tensorflow/python/client/session.py in run(self, fetches, feed_dict)
    355             e.args = (e.message,)
    356             raise e
--> 357           np_val = np.array(subfeed_val, dtype=subfeed_t.dtype.as_numpy_dtype)
    358           if subfeed_t.op.type == ''Placeholder'':
    359             if not subfeed_t.get_shape().is_compatible_with(np_val.shape):

ValueError: setting an array element with a sequence.

¿Alguna sugerencia de depuración?

Answer 1

Este error no muy útil se produce cuando uno de los valores en el argumento feed_dict para tf.Session.run() es un objeto tf.Tensor (en este caso, el resultado de tf.reshape() ).

Los valores en feed_dict deben ser matrices numpy, o algún valor x que se pueda convertir implícitamente en una matriz numpy.array(x) usando numpy.array(x) . tf.Tensor objetos del tf.Tensor no se pueden convertir implícitamente , ya que hacerlo puede requerir mucho trabajo: en su lugar, debe llamar a sess.run(t) para convertir un tensor t en una matriz numpy.

Como notó en su respuesta, usar np.reshape(_y_, [-1, 1]) funciona, porque produce una matriz numpy (y porque _y_ es una matriz numpy para empezar). En general, siempre debe preparar los datos para ser alimentados usando numpy y otras operaciones de Python puro.

Answer 2

Reemplazar la nueva forma por uno numpy ayudó:

        _y_ = np.reshape(_y_, [-1, 1])

la razón real por la cual aún no está claro, pero funciona.