TensorFlow中使用数组填充Placeholder报错求助

看起来你在使用Placeholder时踩了两个常见的坑，我来帮你一步步理清问题并修正代码：

问题1：错误调用sess.run() #

你代码里的sess.run(feed_dict)是完全错误的用法。sess.run()的第一个参数必须是你想要计算的张量（Tensor）或者操作（Operation），而feed_dict是作为第二个可选参数传入的，用来给Placeholder填充数据。直接传feed_dict字典会导致类型错误，因为它既不是字符串也不是Tensor。

问题2：对Placeholder的本质理解有误 #

Placeholder是TensorFlow计算图中用来动态传入数据的节点，不管你定义了多少tf.Constant，只要Placeholder没有通过feed_dict得到数据，运行时就会报错。你不能用tf.Constant直接替代Placeholder的赋值逻辑，必须通过feed_dict传入数据。

修正后的代码 #

下面是可以正确运行的代码，我保留了你的核心逻辑，只修正了错误的部分：

import tensorflow as tf
import numpy as np

# 定义形状为[2,1]的Placeholder，接受2×1的浮点型矩阵
x = tf.placeholder(tf.float32, [2, 1], name="inputs")
W = tf.Variable(np.random.rand(1, 4), dtype=tf.float32, name="hidden1")
b = tf.Variable(np.ones((2,4)), name="b", dtype=tf.float32)

with tf.Session() as sess:
    # 必须先初始化所有变量
    sess.run(tf.global_variables_initializer())
    
    # 准备你想要传入的2×1矩阵，注意数据类型要和Placeholder匹配（float32）
    input_data = np.array([[0], [1]], dtype=np.float32)
    
    # 正确用法：sess.run(要计算的张量, feed_dict={占位符: 数据})
    # 这里我们计算Placeholder x的值，传入准备好的input_data
    x_evaluated = sess.run(x, feed_dict={x: input_data})
    print(x_evaluated)
    
    # 如果你需要计算依赖x的其他运算（比如矩阵乘法），也可以用同样的方式传数据
    # 示例：计算x和W的矩阵乘法加上b
    # y = tf.matmul(x, W) + b
    # y_evaluated = sess.run(y, feed_dict={x: input_data})
    # print(y_evaluated)

运行结果解释 #

运行这段代码后，你会看到输出：

[[0.]
 [1.]]

这正是你想要传入的2×1矩阵，说明Placeholder已经正确接收到了数据。

额外提示 #

• 确保传入的数据形状和Placeholder定义的形状一致（这里是[2,1]），如果形状不匹配也会报错。
• 数据类型要和Placeholder的dtype一致，比如这里用np.float32对应tf.float32，避免类型不兼容的问题。

内容的提问来源于stack exchange，提问作者K-Dawg