Я получаю следующее сообщение об ошибке:Несовместимые формы с Tensorflow Заполнитель
ValueError: Cannot feed value of shape (2, 2) for Tensor u'Placeholder_1:0', which has shape '(2,)'
В следующей строке:
nn_index = sess.run(pred, feed_dict={xtr: training_input, xte: test_input[index, :]})
вход подготовка данных имеет форму (24, 2)
и тест ввода данные составляют (300, 2)
В то время как местонахождение rs, которые подают данные, инициализируются как
xtr = tf.placeholder("float", [None, 2])
xte = tf.placeholder("float", [2])
# Nearest Neighbor calculation using L1 Distance
def metric_single(training, test):
distance = tf.sqrt(tf.reduce_sum(tf.square(tf.sub(training, test)),
reduction_indices=1, keep_dims=True))
return distance
# Prediction: Get min distance index (Nearest neighbor)
pred = tf.arg_min(metric_single(xtr, xte), 0)
Невозможно выяснить, что изменить в моем коде для решения этой проблемы.
~~~~ ~~~~ EDIT
test_input.shape
>>>(300, 2)
*Updated*
test_input[index, :].shape
>>>(2,)
training_input.shape
>>>(24, 2)
*Updated*
index
>>>index: 0
~~~~~ ПОЛНЫЙ ML ИСТОЧНИК ~~~~~
# Nearest Neighbor calculation using L1 Distance
def metric_single(training, test):
distance = tf.sqrt(tf.reduce_sum(tf.square(tf.sub(training, test)),
reduction_indices=1, keep_dims=True))
return distance
xtr = tf.placeholder("float", [None, 2])
xte = tf.placeholder("float", [None, 2])
# Prediction: Get min distance index (Nearest neighbor)
pred = tf.arg_min(metric_single(xtr, xte), 0)
accuracy = 0
# Initializing the variables
init = tf.initialize_all_variables()
def calculate_knn(training_input, training_output, test_input, test_output, k, index):
print 'training_input'
print training_input
print 'test_input'
print test_input
for j in range(k):
print 'training_input.shape'
print training_input.shape
print 'test_input[index, :].shape'
print test_input[index, :].shape
print 'index: ' + str(index)
nn_index = sess.run(pred, feed_dict={xtr: training_input, xte: test_input[index, :]})
print 'knn #: ' + str(j+1)
print 'nn_index: ' + str(nn_index)
# Get nearest neighbor class label and compare it to its true label
print("Test", \
"Sample:", test_input[i], \
"Nearest Neightbor:", training_input[nn_index], \
i, "Prediction:", np.argmax(training_output[nn_index]), \
"True Class:", np.argmax(test_output[i]))
## Remove nearest neighbor from test data to
## find (k-1)nn
# training_input = tf.slice(training_input, [nn_index, 0], [-1, -1])
training_input = np.delete(training_input, nn_index, 0)
# Launch the graph
with tf.Session() as sess:
sess.run(init)
Tr = TrainingData()
Te = TestData()
## TODO: process test data in batches
# loop over test data
test_examples = Te.get_Xte()
for i in test_examples:
print 'in test data loop'
# Get nearest neighbor={xtr: Xtr, xte: Xte[i, :]})
print 'Tr.get_Xtr()'
print Tr.get_Xtr()
print 'Te.get_Xte()'
print Te.get_Xte()
calculate_knn(Tr.get_Xtr(), Tr.get_Ytr(), Te.get_Xte(), Te.get_Yte(), 2, i)
#Calculate accuracy
if np.argmax(Ytr[nn_index]) == np.argmax(Yte[i]):
accuracy += 1./len(Xte)
print("Done!")
print("Accuracy:", accuracy)
Вы можете сказать нам выход 'печати test_input.shape; print test_input [index,:]. shape'? – mrry
Я добавил эти отпечатки к исходному сообщению выше, спасибо – redress
Можете ли вы напечатать «индекс»? Я предположил, что это простое целое число, но это не объясняет форму 'test_input [index,:]' – mrry