为了想看一段代买的Tensor,加入了

                sess = tf.Session()print(sess.run(self.embedded_chars))

然后就报错:

InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'Placeholder_1' with dtype float
     [[Node: Placeholder_1 = Placeholder[dtype=DT_FLOAT, shape=<unknown>, _device="/job:localhost/replica:0/task:0/device:CPU:0"]()]]

刚开始没找到错误,后来明白了。embedded_chars由两个量算得,但是都只定义了一个placeholder,没有赋值,所以得不到embedded_chars的值。例如(from https://github.com/tensorflow/tensorflow/issues/10632):

import tensorflow as tfa = tf.placeholder(tf.float32)
b = tf.placeholder(tf.float32)
c = a + bwith tf.Session() as sess:print(c.eval(feed_dict={a:1.0})) # I did not feed any value to# `b` which is required for# evaluating `c`

里面只定义了a,没有定义b的量,会产生同样的报错。

BUG InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'Pl相关推荐

  1. InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor

    以下两种方式都不好使用:目前只是找到原因,等我找到方案再来完善. From your error message, it looks like you are using IPython. One p ...

  2. InvalidArgumentError: You must feed a value for placeholder tensor ‘conv2d_12_input‘ with dtype floa

    InvalidArgumentError: You must feed a value for placeholder tensor 'conv2d_12_input' with dtype 在jup ...

  3. tensorflow错误:InvalidArgumentError (see above for traceback): Cannot assign a device for operation

    一.错误 InvalidArgumentError (see above for traceback): Cannot assign a device for operation 'shuffle_b ...

  4. tensorflow报InvalidArgumentError (see above for traceback): Conv2DSlowBackpropInput

    在使用TensorFlow求解转置卷积(反卷积)的时候,我们需要调用tf.nn.conv2d_transpose方法,在计算反卷积的时候,报了如下错误 InvalidArgumentError (se ...

  5. 报错InvalidArgumentError (see above for traceback): Restoring from checkpoint failed

    报错详情: 使用faster-rcnn训练自己的模型,下载使用别人的代码 这份代码 运行python tools/demo.py报错 如下: Traceback (most recent call l ...

  6. InvalidArgumentError (see above for traceback): Invalid JPEG data, size 75244

    除了这一句之外上面应该还有一句:Not a JPEG file: starts with 0x47 0x49 starts with 0x47 0x49说明这是一张gif图像,starts with ...

  7. tensorflow和Python关系

    编者按:2017年夏季,CMU CS硕士生Jacob Buckman入选Google AI居留计划,在谷歌总部开启了自己为期12月的培训生活,主攻NLP和强化学习.Jacob拥有丰富的编程经验,而且在 ...

  8. 简单完整地讲解tensorflow模型的保存和恢复

    http://blog.csdn.net/liangyihuai/article/details/78515913 在本教程主要讲到: 1. 什么是Tensorflow模型? 2. 如何保存Tenso ...

  9. 【TensorFlow-windows】学习笔记二——低级API

    前言 上一篇博客初步了解了tensorflow中建立机器学习模型的方法:可以使用eager execution和graph execution两种模式,可以使用高级API estimator中已经封装 ...

最新文章

  1. JavaScript值得注意的小知识点
  2. struts+spring+hibernate总结
  3. 启明云端分享|SSD202D核心板使用NFS
  4. 实训09.09:简单的彩票系统(注册信息)
  5. JVM入门到放弃之基本概念
  6. epoll的再次认识
  7. oracle收集直方图,sql – 在Oracle中创建直方图/频率分布的最佳方法?
  8. 程序员如何淡定度过 2.14 情人节?
  9. java awt run_JAVA教程 第五讲 AWT图形用户界面设计(一)
  10. sqlserver 修改表字段长度
  11. Windows Phone 地图定位 及导出GPX文件
  12. 如何做一个被领导喜欢的实施顾问
  13. littleVGL总结
  14. 跨平台实现基础(一)JsCore 原理和实践
  15. 为什么转置512x512矩阵,会比513x513矩阵慢很多?
  16. 12_微信小程序之微信视频号滚动自动播放视频效果实现
  17. python答题搜索_python实现百万答题自动百度搜索答案
  18. 深度解读:《数字孪生世界白皮书(2023)》全方位剖析
  19. xp系统安装教程图解
  20. Java数组中的最值

热门文章

  1. Android教程之名词扫盲汇总
  2. C语言:浙大版《C语言程序设计(第3版)》题目集 练习5-1 求m到n之和 (10 分)
  3. 树莓派安装系统及常用软件设置
  4. Synchronized锁升级底层原理
  5. 【MongoDB】——数据存储结构与基本数据类型
  6. 高性能零售IT系统的建设03-监控体系化的重要不亚于开发的投入
  7. AI量化(代码):深度强化学习DRL应用于金融量化
  8. K8S Yaml 详细说明及简单样例
  9. 01.MySQL数据库初识
  10. 自动给ssh输入密码(python使用pty模块,或者script命令)