TensorFlow线性回归报错TypeError：TensorShape转换失败解决方法

嘿，这问题我之前刚踩过坑，马上给你说怎么搞定！

错误原因分析 #

你代码里的n_dim = X_train.shape这行出了问题——X_train.shape返回的是一个元组（比如你的训练集如果是「样本数量×特征数量」的结构，那shape就是类似(1000, 5)这样的元组），而TensorFlow的tf.placeholder里，第二个参数需要的是每个维度的具体整数数值，你把整个元组塞进去，自然会报“不能把tuple转成TensorShape”的错误。

修正后的代码 #

只需要把n_dim改成取特征维度的数值就行，也就是用X_train.shape[1]来获取特征的数量：

# 获取特征维度数（也就是输入数据的列数）
n_dim = X_train.shape[1]
X = tf.placeholder(tf.float32, [None, n_dim])
Y = tf.placeholder(tf.float32, [None, 1])

额外小提示 #

• X_train.shape[0]是训练集的样本数量，这里我们不需要它，因为placeholder的第一个参数用None就表示可以接受任意数量的样本输入。
• 如果你不确定自己的数据集维度，可以先跑print(X_train.shape)看看输出，比如输出(500, 3)就说明有500个样本，每个样本有3个特征，那n_dim就应该设为3。

内容的提问来源于stack exchange，提问作者Hồ Huy