TensorFlow中feed_dict()报形状错误但形状看似正常的问题

我帮你找到了问题的核心！你看到的“占位符形状不匹配”错误其实是个误导——真正的问题出在你打印MSE和theta时没有给占位符提供数据，而不是批次数据的形状有问题。

错误原因详解 #

当你调用mse.eval()或者直接打印theta.eval()时，TensorFlow会尝试重新计算这些张量。但你的计算图里依赖X和y两个占位符，而eval()是独立的操作，不会复用之前运行training_op时传入的feed_dict数据。哪怕你之前的批次形状完全正确，这里也会因为占位符未被赋值而抛出错误。

修复方案 #

这里有两种可行的修复方式，推荐第二种，因为它更高效：

方案1：给eval方法传入当前批次的feed_dict

修改你打印MSE的代码，明确给mse.eval()传入feed_dict：

if epoch % 100 == 0:
    # 给MSE的计算传入当前批次的数据
    current_mse = mse.eval(feed_dict={X: X_batch, y: y_batch})
    print(f"Mean Squared Error: {current_mse}")
    print(theta.eval())  # theta是变量，不需要feed数据

方案2：一次run操作同时获取训练结果和MSE值（推荐）

这种方法可以避免重复计算MSE，我们在一次Session.run中同时执行训练操作和MSE计算，效率更高：

with tf.Session() as sess:
    sess.run(init)
    for epoch in range(n_epochs):
        print(f"Epoch: {epoch}")
        total_batch_mse = 0
        for batch_index in range(num_batches):
            X_batch, y_batch = fetch_batch(epoch, batch_index, batch_size)
            # 同时运行训练操作和计算当前批次的MSE
            _, batch_mse = sess.run([training_op, mse], feed_dict={X: X_batch, y: y_batch})
            total_batch_mse += batch_mse
        if epoch % 100 == 0:
            # 打印整个epoch的平均MSE
            avg_mse = total_batch_mse / num_batches
            print(f"Mean Squared Error: {avg_mse}")
            print(theta.eval())

额外的代码优化建议 #

1. 补全TensorFlow导入语句：你的代码里使用了tf.placeholder等API，但没有导入TensorFlow，必须在开头添加：

import tensorflow as tf

2. 优化fetch_batch中的y_batch处理：
   原来的写法会先把整个target数组reshape，再取索引，改成下面的方式更高效：

def fetch_batch(epoch, batch_index, batch_size):
    np.random.seed(epoch * num_batches + batch_index)
    indices = np.random.randint(m, size=batch_size)
    X_batch = scaled_housing_data_plus_bias[indices]
    # 先取batch索引，再reshape，减少不必要的计算
    y_batch = housing.target[indices].reshape(-1, 1)
    return X_batch, y_batch

3. 规范导入格式：把挤在一行的导入语句分开，提升可读性：

from sklearn.datasets import fetch_california_housing
import numpy as np
from sklearn.preprocessing import StandardScaler
import tensorflow as tf

内容的提问来源于stack exchange，提问作者B. Mack