无法散列的类型：张量流中的“numpy.ndarray”错误

Question

data = pd.read_excel("/Users/madhavthaker/Downloads/Reduced_Car_Data.xlsx")

train = np.random.rand(len(data)) < 0.8

data_train = data[train]
data_test = data[~train]

x_train = data_train.ix[:,0:3].values
y_train = data_train.ix[:,-1].values
x_test = data_test.ix[:,0:3].values
y_test = data_test.ix[:,-1].values

y_label = tf.placeholder(shape=[None,1], dtype=tf.float32, name='y_label')
x = tf.placeholder(shape=[None,3], dtype=tf.float32, name='x')
W = tf.Variable(tf.random_normal([3,1]), name='weights')
b = tf.Variable(tf.random_normal([1]), name='bias')
y = tf.matmul(x,W)  + b

init = tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    summary_op = tf.summary.merge_all()
    #Fit all training data
    for epoch in range(1000):
        sess.run(train, feed_dict={x: x_train, y_label: y_train})

        # Display logs per epoch step
        if (epoch+1) % display_step == 0:
            c = sess.run(loss, feed_dict={x: x_train, y_label:y_train})
            print("Epoch:", '%04d' % (epoch+1), "cost=", "{:.9f}".format(c), \
                "W=", sess.run(W), "b=", sess.run(b))

    print("Optimization Finished!")
    training_cost = sess.run(loss, feed_dict={x: x_train, y_label: y_train})
    print("Training cost=", training_cost, "W=", sess.run(W), "b=", sess.run(b), '\n')

这是错误：

 x---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-37-50102cbac823> in <module>()
      6     #Fit all training data
      7     for epoch in range(1000):
----> 8         sess.run(train, feed_dict={x: x_train, y_label: y_train})
      9
     10         # Display logs per epoch step

TypeError: unhashable type: 'numpy.ndarray'

这是我输入的两个 numpy 数组的形状：

 y_train.shape = (78,)
x_train.shape = (78, 3)

我不知道是什么原因造成的。我所有的形状都匹配，我应该没有任何问题。如果您需要更多信息，请告诉我。

编辑： 从我对以下答案之一的评论来看，似乎我必须为我的占位符指定一个特定的大小。 None 并不令人满意。当我更改它并重新运行我的代码时，一切正常。仍然不太清楚为什么会这样。

原文由 madsthaks 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

就我而言，问题在于将输入参数命名为与占位符变量相同的名称。当然，这会将您的 tensorflow 变量替换为输入变量；导致 feed_dict 的键不同。

tensorflow 变量是可散列的，但您的输入参数 (np.ndarray) 不是。因此，无法散列的错误是您尝试将参数作为键而不是张量流变量传递的结果。一些代码来形象化我想说的话：

 a = tf.placeholder(dtype=tf.float32, shape=[1,2,3])
b = tf.identity(a)

with tf.Session() as sess:
    your_var = np.ones((1,2,3))
    a = your_var
    sess.run(b, feed_dict={a: a})

希望这可以帮助将来遇到这个问题的任何人！

原文由 Andreas Forslöw 发布，翻译遵循 CC BY-SA 3.0 许可协议