TensorFlow踩坑记（陆续上演……）已更新3记

1.TypeError: The value of a feed cannot be a tf.Tensor object. Acceptable feed values include Python scalars, strings, lists, numpy ndarrays, or TensorHandles.For reference,

错误原因： TensorFlow中，在开始训练时，feed_dict=的数据，必须是实实在在的数据而不能是张量流，也就是说可以直接用print()输出来。

如:

xs,ys = mnist.train.next_batch(BATCH_SIZE)
# print(xs)
reshped_xs = tf.reshape(xs,
                      [BATCH_SIZE,
                      mnist_inference.IMAGE_SIZE,
                      mnist_inference.IMAGE_SIZE,
                      mnist_inference.NUM_CHANNELS])
 xx=sess.run(reshped_xs)
 _,loss_value,step = sess.run([train_step,loss,global_step],
                             feed_dict={x:xx,y_:ys})

xs本来一开始是数据不是张量，但是经过tf.reshpae之后，就变成了一个张量，所以在喂给feed_dict前要先xx=sess.run(reshped_xs)

2. ValueError: setting an array element with a sequence.

错误原因： 一般来说这个错误是由于feed_dict的维度与定义的占位符维度不一致，导致feed之后变成了字符串。

例如：

TensorFlow中，feed_dict=的数据，不支持稀疏表示方式，需要.toarray()转换，如果不转换，就会出现这个错误。

sess.run([train_step,loss,global_step],
feed_dict={x:X[start:end].toarray(),y_:Y[start:end]})

3. Tensorflow训练时内存持续增加并占满.

2018年8月9日16:55:48

今天在跑程序的时候，内存一个劲儿的涨。本地不行拿到服务器上去跑，62G内存分分钟干没了，不知道问题出在哪儿。经过在网上的一番查找，才弄清楚。一句话说：在迭代循环时，不能再包含任何张量的计算表达式，包括以tf.开头的函数（如tf.nn.embedding_lookup）

如果你非得计算，请在循环体外面定义好表达式，在循环中直接run

举例：

import tensorflow as tf

a = tf.Variable(tf.truncated_normal(shape=[100,1000]),name='a')
b = tf.Variable