Type erroe in tensorflow

Posted 2022-12-13 yinxingtianxia

has invalid type<type 'numpy.ndarray'>, must be a string or Tensor

TypeError: Can not convert a float32 into a Tensor or Operation.

错误

TypeError: Can not convert a float32 into a Tensor or Operation.
# 类型错误:不能将一个浮动32转换为一个张量或操作。

TypeError: Fetch argument 2.3025854 has invalid type <class 'numpy.float32'>, must be a string or Tensor. (Can not convert a float32 into a Tensor or Operation.)

如其意,类型错误:不能将一个浮动32转换为一个张量或操作。也就是在计算图实际运算的时候发生的错误,错误为数据类型错误,将应该是传入的张量或者操作的的地方传入了一个 float32 类型的数据.

分析

源码

      for step in range(1000):
            batch_xs, batch_ys = mnist.train.next_batch(100)
            _, Train_Loss = sess.run([Train_Step,Train_Loss], feed_dict=X: batch_xs, Y_true: batch_ys)
            print('Train step :',step,'Train_Losss :',Train_Loss)

错误产生的时候我查了查代码,没明白什么意思,后来debug才发现,是变量在第二遍运行的时候数据类型发生了改变, 

其改变是在第一遍的时候,仔细看源代码,输出的Train_Loss与后面sess.run([Train_Step,Train_Loss], feed_dict=X: batch_xs, Y_true: batch_ys)中的’Train_Loss’同名,显然第一遍运行之后,原本应该传入session的Train_Loss就从张量变成了 float32

解决方案

避免重名,使用不同的名字 
如原来的

_, Train_Loss = sess.run([Train_Step,Train_Loss], feed_dict=X: batch_xs, Y_true: batch_ys)

改为

 _, train_loss = sess.run([Train_Step,Train_Loss], feed_dict=X: batch_xs, Y_true: batch_ys)

BUG就消失了 
这是一个很低级的BUG…..但是也很有趣.