Sie müssen einen Wert für Platzhalter Tensor 'Platzhalter' füttern mit dtype Schwimmer (Tensorflow)

Question

import tensorflow as tf 
import os 
import sklearn.preprocessing 
import pandas as pd 
import numpy as np 

print(os.getcwd()) 
os.chdir("C:/Users/jbnu/Documents/양지성/Scholar/정규학기/3-2/데이터마이닝실습/프로젝트/현행/bank-additional/bank-additional") 

Importieren und Verwalten von Datensätzen

bank = pd.read_csv("bank4.csv", index_col=False) 

tf.reset_default_graph() 
keep_prob = tf.placeholder(tf.float32) 
learning_rate = 0.003 

x_data = bank.ix[:,0:9]; print(x_data) 
y_data = bank.ix[:, [-1]]; print(y_data) 
x_data = sklearn.preprocessing.scale(x_data).astype(np.float32); print(x_data) 
y_data = y_data.astype(np.float32) 

Einstellung Platzhalter und Gewichte mit 3 Schichten.

X = tf.placeholder(tf.float32, [None, 9]); print(X) 
Y = tf.placeholder(tf.float32, [None, 1]) 

# Layer 1 
W1 = tf.get_variable("weight1", shape=[9,15], dtype = tf.float32, 
        initializer=tf.contrib.layers.xavier_initializer()) 
b1 = tf.get_variable("bias1", shape=[15], dtype = tf.float32, 
        initializer=tf.contrib.layers.xavier_initializer()) 
layer1 = tf.nn.relu(tf.matmul(X, W1) + b1) 
layer1 = tf.nn.dropout(layer1, keep_prob=keep_prob) 

# Layer 2 
W2 = tf.get_variable("weight2", shape=[15,15], dtype = tf.float32, 
        initializer=tf.contrib.layers.xavier_initializer()) 
b2 = tf.get_variable("bias2", shape=[15], dtype = tf.float32, 
        initializer=tf.contrib.layers.xavier_initializer()) 
layer2 = tf.nn.relu(tf.matmul(layer1, W2) + b2) 
layer2 = tf.nn.dropout(layer2, keep_prob=keep_prob) 

# Layer 3 
W3 = tf.get_variable("weight3", shape=[15,15], dtype = tf.float32, 
        initializer=tf.contrib.layers.xavier_initializer()) 
b3 = tf.get_variable("bias3", shape=[15], dtype = tf.float32, 
        initializer=tf.contrib.layers.xavier_initializer()) 
layer3 = tf.nn.relu(tf.matmul(layer2, W3) + b3) 
layer3 = tf.nn.dropout(layer3, keep_prob=keep_prob) 

# Output Layer 
W4 = tf.get_variable("weight4", shape=[15,1], dtype = tf.float32, 
        initializer=tf.contrib.layers.xavier_initializer()) 
b4 = tf.get_variable("bias4", shape=[1], dtype = tf.float32, 
        initializer=tf.contrib.layers.xavier_initializer()) 
hypothesis = tf.sigmoid(tf.matmul(layer3, W4) + b4) 
hypothesis = tf.nn.dropout(hypothesis, keep_prob=keep_prob) 

definieren Kostenfunktion und Optimierer.

cost = -tf.reduce_mean(Y * tf.log(hypothesis) + (1 - Y) * tf.log(1 - hypothesis)) 

train = tf.train.AdamOptimizer(learning_rate=learning_rate).minimize(cost) 

predicted = tf.cast(hypothesis > 0.5, dtype=tf.float32) 
accuracy = tf.reduce_mean(tf.cast(tf.equal(predicted, Y), dtype=tf.float32)) 

Ausbildung und Genauigkeitstest

# Launch graph 
with tf.Session() as sess: 
    sess.run(tf.global_variables_initializer()) 

    for step in range(10001): 
     sess.run(train, feed_dict={X: x_data, Y: y_data}) 
     if step % 1000 == 0: 
      print("step: ", step, sess.run(cost, feed_dict={X: x_data, Y: y_data}), sep="\n") 

    # Accuracy report 
    h, c, a = sess.run([hypothesis, predicted, accuracy], 
         feed_dict={X: x_data, Y: y_data}) 
    print("\nHypothesis: ", h, "\nCorrect: ", c, "\nAccuracy: ", a) 

Ich habe keine Ahnung, warum meine NN nicht funktioniert.

Ich bekomme ständig eine Nachricht "Sie müssen einen Wert für Platzhalter Tensor 'Platzhalter' mit Dtype Float" füttern, obwohl alle von ihnen Float32 sind.

Auch meine Dropout-Rate findet feed_dict Fehler. Bitte führen Sie den Code und sagen Sie mir, was los ist.

Answer 1

Es geht um Dropout keep_prob Platzhalter beschweren:

keep_prob = tf.placeholder(tf.float32) 

sollten Sie entweder in feed_dict zusammen mit X bieten und Y oder eine tf.placeholder_with_default machen, wenn es die ganze Zeit nicht passieren wollen.