小编Pra*_*ush的帖子

我正在尝试构建一个具有一个隐藏层(1024个节点)的神经网络模型.隐藏层只是一个relu单元.我也在批量处理128个输入数据.

输入是大小为28*28的图像.在下面的代码中我得到了错误

_, c = sess.run([optimizer, loss], feed_dict={x: batch_x, y: batch_y})
Error: TypeError: Cannot interpret feed_dict key as Tensor: Tensor Tensor("Placeholder_64:0", shape=(128, 784), dtype=float32) is not an element of this graph.

这是我写的代码

#Initialize

batch_size = 128

layer1_input = 28 * 28
hidden_layer1 = 1024
num_labels = 10
num_steps = 3001

#Create neural network model
def create_model(inp, w, b):
    layer1 = tf.add(tf.matmul(inp, w['w1']), b['b1'])
    layer1 = tf.nn.relu(layer1)
    layer2 = tf.matmul(layer1, w['w2']) + b['b2']
    return layer2

#Initialize variables
x = tf.placeholder(tf.float32, shape=(batch_size, …

在 C# 中有一个Attribute调用DataSourceAttribute。它需要一次又一次地在每个方法上声明。是否可以在班级级别声明一次，这样我就不需要重复自己了。如果是这样，如何？

在数据驱动单元测试中，需要借助这个属性来指定数据源：[DataSource (...),...]。大约有 10-15 个这样的方法，我不想为每个方法声明属性。我想声明一次并让所有方法从类级别使用继承它。