feed_dict 中的喂养问题（Tensorflow）

我的 raw_data 是 PTB 数据集。 我通过以下代码生成批次。

def generate_batches(raw_data, batch_size, unrollings):
  global data_index
  data_len = len(raw_data)
  num_batches = data_len // batch_size
  inputs = []
  labels = []
  print (num_batches, data_len, batch_size)
  for j in xrange(unrollings) : 
      inputs.append([])
      labels.append([])
      for i in xrange(batch_size) :   
        inputs[j].append(raw_data[i + data_index])
        labels[j].append(raw_data[i + data_index + 1])    
      data_index = (data_index + batch_size) % len(raw_data)
  return inputs, labels 

在会话运行中，生成的相同批次将被输入 feed_dict 中，如以下代码所示。

for step in xrange(num_steps) :
batch_inputs, batch_labels = generate_batches(train_dataset, batch_size, unrollings=5) 
feed_dict = dict()
for i in range(unrollings):
    feed_dict = {train_inputs : batch_inputs,  train_labels : batch_labels}
    _, l, predictions, lr = session.run([optimizer, loss, train_prediction, learning_rate], feed_dict=feed_dict)

训练输入和标签如下：

for _ in range(unrollings) :
 train_data.append(tf.placeholder(shape=[batch_size], dtype=tf.int32))
 train_label.append(tf.placeholder(shape=[batch_size, 1], dtype=tf.float32))
train_inputs = train_data[:unrollings]
train_labels = train_label[:unrollings]

首先，我得到了错误TypeError: unhashable type: 'list'我将batch_input列表转换为元组使用tuple(batch_input[i])这在中解释得很清楚Python字典：类型错误：不可散列的类型：“列表” https://stackoverflow.com/questions/8532146/python-dictionary-typeerror-unhashable-type-list.
已解决：然后我收到此错误TypeError: unhashable type: 'numpy.ndarray'.
.

我认为你误解了如何feed_dict作品。但首先，python dict 不接受任何不可散列类的实例作为键。 list 和 numpy.ndarray 都不允许用作 dict 键（即使你用元组包装它）。我发现列出帖子 https://stackoverflow.com/questions/4418741/im-able-to-use-a-mutable-object-as-a-dictionary-key-in-python-is-this-not-disa解释有关 dict 键的信息。

feed_dict 的工作原理

在您的图中，应该有作为符号张量创建的占位符。假设您的原始数据是二维的：(num_samples, num_features)，第一个维度对应于样本的大小，第二个维度对应于特征的数量。假设标签是 one-hot 编码的并且总共有 num_classes。

train_data = tf.placeholder(shape=[batch_size, num_features], dtype=tf.float32)
train_labels = tf.placeholder(shape=[batch_size, num_classes], dtype=tf.float32)

然后在会话中设置 feed_dict 时，使用这些符号占位符张量作为键，使用采样的 batch_data 作为值。

feed_dict = {train_data:batch_inputs, train_labels:batch_labels}