sess.run中的Tensorflow unhashable类型'list'

Question

这些帖子实际上有成千上万,但我还没有看到一个解决我确切问题的帖子.如果存在,请随时关闭.

我知道列表在Python中是可变的.因此,我们无法将列表存储为字典中的键.

我有以下代码(因为它无关紧要而遗漏了大量的代码):

with tf.Session() as sess:
    sess.run(init)
    step = 1

    while step * batch_size < training_iterations:
            for batch_x, batch_y in batch(train_x, train_y, batch_size):

            batch_x = np.reshape(batch_x, (batch_x.shape[0],
                                           1,
                                           batch_x.shape[1]))
            batch_x.astype(np.float32)

            batch_y = np.reshape(batch_y, (batch_y.shape[0], 1))
            batch_y.astype(np.float32)

            sess.run(optimizer, feed_dict={x: batch_x, y: batch_y})
            if step % display_step == 0:
                # Calculate batch accuracy
                acc = sess.run(accuracy,
                               feed_dict={x: batch_x, y: batch_y})
                # Calculate batch loss
                loss = sess.run(cost, feed_dict={x: batch_x, y: batch_y})
                print("Iter " + str(step*batch_size) +
                      ", Minibatch Loss= " +
                      "{:.6f}".format(loss) + ", Training Accuracy= " +
                      "{:.5f}".format(acc))
        step += 1
    print("Optimization Finished!")

train_x是一个[batch_size, num_features]numpy矩阵

train_y是一个[batch_size, num_results]numpy矩阵

我的图表中有以下占位符:

x = tf.placeholder(tf.float32, shape=(None, num_steps, num_input))
y = tf.placeholder(tf.float32, shape=(None, num_res))

所以很自然地我需要转换我的train_x并train_y获得tensorflow期望的正确格式.

我这样做有以下几点:

 batch_x = np.reshape(batch_x, (batch_x.shape[0],
                                1,
                                batch_x.shape[1]))

 batch_y = np.reshape(batch_y, (batch_y.shape[0], 1))

这个结果给了我两个numpy.ndarray:

batch_x尺寸[batch_size, timesteps, features] batch_y是尺寸的[batch_size, num_results]

如图所示.

现在,当我通过这些重新塑造时,numpy.ndarray我得到TypeError: Unhashable type list以下一行:

sess.run(optimizer, feed_dict={x: batch_x, y: batch_y})

这对我来说很奇怪,因为启动python:

import numpy as np
a = np.zeros((10,3,4))
{a : 'test'}
TypeError: unhashable type: 'numpy.ndarray`

您可以看到我收到完全不同的错误消息.

在我的代码中,我对数据执行了一系列转换:

x = tf.transpose(x, [1, 0, 2])
x = tf.reshape(x, [-1, num_input])
x = tf.split(0, num_steps, x)


lstm_cell = rnn_cell.BasicLSTMCell(num_hidden, forget_bias=forget_bias)
outputs, states = rnn.rnn(lstm_cell, x, dtype=tf.float32)

列表出现的唯一位置是切片后,这会产生一个T大小的张量列表rnn.rnn.

我在这里完全失败了.我觉得我正盯着解决方案,我看不到它.有人可以帮我从这里出去吗？

谢谢!

Answer 1

我觉得这里有点傻,但我相信别人会有这个问题.

上面的行tf.split是列表中的结果是问题.

我没有将它们分成单独的函数,并直接修改x(如我的代码所示),并且从未更改过名称.因此,当代码运行时sess.run,x不再是预期的张量占位符,而是图形中转换后的张量列表.

重命名每个转换x解决了问题.

我希望这可以帮助别人.