Tensorflow程序导致类型转换错误

Question

尝试掌握TensorFlow的文档。

下面的程序导致“不兼容的类型转换错误”

import tensorflow as tf

W = tf.Variable([.3], tf.float32)
b = tf.Variable([-3], tf.float32)
x = tf.placeholder(tf.float32)
linear_model = 1.0
linear_model = W * x + b
#tf.to_float(linear_model, name='ToFloat')

# Global initialization is must
init = tf.global_variables_initializer()
sess.run(init)

print(sess.run(linear_model, {x:[1,2,3,4]}))

上面的程序导致此错误

文件“ v-prog3-variables.py”，第7行，linear_model = W * x + b ..。。.. ValueError：请求为类型为'int32_ref'的变量键入类型为'float32'的不兼容类型转换

我试图通过将'linear_model'变量定义为float（linear_model = 1.0）或tf.to_float（linear_model = W * x + b）来解决问题

但是什么都没有

我是TensorFlow新手，请帮帮我。提前致谢。

Answer 1

我能够通过将其重铸到float32来使其运行。您已阅读该库的源代码吗？是的...我不问问题

import tensorflow as tf

W = tf.Variable([.3], tf.float32)
b = tf.Variable([-3], tf.float32)
x = tf.placeholder(tf.float32)

linear_model = W * x + tf.cast(b, tf.float32)

init = tf.global_variables_initializer()
sess = tf.Session()
sess.run(init)

print(sess.run(linear_model, {x:[1,2,3,4]}))

Answer 2

您需要为该类型使用命名参数，例如tf.Variable([.3], dtype=tf.float32)

的签名tf.Variable会__init__(self, initial_value=None, trainable=True,...导致常见错误。

然后该__init__方法将从您的输入推断类型：

• [.3]将给出tf.float32, 和
• [-3]将给出tf.int32 您在将它们相乘时得到的错误的前导。

如果您想坚持使用该tf.float32类型，您也可以用作[-3.]的初始值b。