Tensorflow重塑错误1D卷积神经网络

Question

我建立我自己的数据的1D卷积神经网络（谱），并因与tf.reshape的问题。第一予加载与熊猫的数据，并转换这些到numpy的阵列，708训练示例光谱组成，每个长度2151的，

import pandas as pd 
import numpy as np 
data = pd.read_csv('test.csv',header=None) 
yTrue = data.ix[:,0].as_matrix() 
data = data - data.mean() 
data = data.ix[:,1:].as_matrix() 

其中I减去在每列中的平均值。所以数据的尺寸为708 x 2151。然后我创建与启动网络，

sess = tf.InteractiveSession() 
## define inputs 
x_ = tf.placeholder(tf.float32, shape=[None, 2151]) 
x_ = tf.reshape(x_, [-1,1,2151,1]) 
y_ = tf.placeholder(tf.float32, shape=[None]) 

这对于我的1D卷积神经网络输入（具有为10的宽度的内核，和32级特征的地图），

W_conv1 = weight_variable([1, 10, 1, 32]) 
b_conv1 = bias_variable([32]) 
h_conv1 = tf.nn.relu(conv2d(x_, W_conv1) + b_conv1) 
h_pool1 = max_pool_2x2(h_conv1) 

我然后生成该网络的其余部分，然后尝试在其上运行ADAM，

cost_function = tf.reduce_mean(tf.pow(y_out - y_, 2))/(2 * samples_number) #L2 loss 
train_step = tf.train.AdamOptimizer(1e-4).minimize(cost_function) 
correct_prediction = tf.equal(tf.argmax(y_out,1), tf.argmax(y_,1)) 
sess.run(tf.initialize_all_variables()) 
for i in range(20000): 
    print(i) 
    sess.run(train_step, feed_dict={x_: data, y_: yTrue}) 

不过，我得到以下错误：

ValueError: Cannot feed value of shape (708, 2151) for Tensor u'Reshape_26:0', 
which has shape '(?, 1, 2151, 1)' 

我已经看过了这些问题的答案：TensorFlow/TFLearn: ValueError: Cannot feed value of shape (64,) for Tensor u'target/Y:0', which has shape '(?, 10)'; Tensorflow error using my own data这表明我需要在将数据传递到网络之前进行一些重塑。但是，我不确定这应该是什么？特别是因为以下作品的第一行数据，

t = tf.constant(data[0]) 
tf.reshape(t,[1,1,2151,1]) 

有没有人有任何想法吗？

最佳，

本

Answer 1

的问题是feed_dict可以代替任何张量，因为你已经改变了X_引用reshape运，这是该公司试图取代的东西。它应该工作，如果你只是用不同的Python变量引用占位符和重塑OP：

x_placeholder_ = tf.placeholder(tf.float32, shape=[None, 2151]) 
x_ = tf.reshape(x_placeholder_, [-1,1,2151,1]) 

然后喂奶时，使用x_placeholder_：

sess.run(train_step, feed_dict={x_placeholder_: data, y_: yTrue})