错误：参数必须是一个密集张量：范围（2,3）-得到了形状[1]，但想要[]

Question

我正在尝试用Python为使用TensorFlow的自组织映射（SOM）运行一个a代码。我从这里得到了代码，但当我运行它时，我得到了一个错误：

错误：参数必须是一个密集张量：范围（2,3）-得到了形状1，但想要[]

我认为有关守则是：

s = SOM( (3,), 30, num_training, sess )

然后：

class SOM:
    def __init__(self, input_shape, map_size_n, num_expected_iterations, session):
    input_shape = tuple([i for i in input_shape if i is not None])

或：

def initialize_graph(self):
    self.weights = tf.Variable( tf.random_uniform((self.n*self.n, )+self.input_shape, 0.0, 1.0) ) 

    self.input_placeholder = tf.placeholder(tf.float32, (None,)+self.input_shape)
    self.current_iteration = tf.placeholder(tf.float32)

    ## Compute the current iteration's neighborhood sigma and learning rate alpha:
    self.sigma_tmp = self.sigma * tf.exp( - self.current_iteration/self.timeconst_sigma  )
    self.sigma2 = 2.0*tf.multiply(self.sigma_tmp, self.sigma_tmp)

    self.alpha_tmp = self.alpha * tf.exp( - self.current_iteration/self.timeconst_alpha  )


    self.input_placeholder_ = tf.expand_dims(self.input_placeholder, 1)
    self.input_placeholder_ = tf.tile(self.input_placeholder_, (1,self.n*self.n,1) )

    self.diff = self.input_placeholder_ - self.weights
    self.diff_sq = tf.square(self.diff)
    self.diff_sum = tf.reduce_sum( self.diff_sq, axis=range(2, 2+len(self.input_shape)) )

    # Get the index of the best matching unit
    self.bmu_index = tf.argmin(self.diff_sum, 1)

    self.bmu_dist = tf.reduce_min(self.diff_sum, 1)
    self.bmu_activity = tf.exp( -self.bmu_dist/self.sigma_act )

    self.diff = tf.squeeze(self.diff)

    self.diff_2 = tf.placeholder(tf.float32, (self.n*self.n,)+self.input_shape)
    self.dist_sliced = tf.placeholder(tf.float32, (self.n*self.n,))

    self.distances = tf.exp(-self.dist_sliced / self.sigma2 )
    self.lr_times_neigh = tf.multiply( self.alpha_tmp, self.distances )
    for i in range(len(self.input_shape)):
        self.lr_times_neigh = tf.expand_dims(self.lr_times_neigh, -1)
    self.lr_times_neigh = tf.tile(self.lr_times_neigh, (1,)+self.input_shape )

    self.delta_w = self.lr_times_neigh * self.diff_2

    self.update_weights = tf.assign_add(self.weights, self.delta_w)

整个错误消息是：

回溯（最后一次调用）：文件“C:\Users\jakub\AppData\Local\Programs\Python35\lib\site packages\tensorflow\Python\framework\op\def\u library.py”，第491行，在apply\op preferred\u dtype=default\u dtype）文件“C:\Users\jakub\AppData\Local\Programs\Python35\lib\site packages\tensorflow\Python\Python\framework\py\framework\ops.py”，第704行，在“C:\Users\jakub\AppData\Local\Programs\Python\35\lib\site packages\tensorflow\Python\framework\constant\op.py”文件的第113行中，在“C:\Users\jakub\AppData\Local\Programs\Python\Python\site packages\tensorflow\Python\framework\constant\op.py”函数返回常量（v，dtype=dtype，name=name）文件中“C:\Users\jakub\AppData\Local\Programs\Python 35\lib\site packages\tensorflow\Python\framework\constant\u op.py”，第102行，在常量tensor\u util中。生成tensor proto（value，dtype=dtype，shape=shape，verify\shape=verify\u shape）文件“C:\Users\jakub\AppData\Local\Programs\Python\Python 35\lib\site packages\tensorflow\Python\framework\tensor\til。py“，第379行，在make_tensor_proto_GetDenseDimensions（values）））ValueError:参数必须是稠密张量：范围（2，3）-获得形状1，但需要[]。

在处理上述异常期间，发生了另一个异常：

回溯（最近一次调用）：文件“C:\Users\jakub\AppData\Local\Programs\Python\35\lib\site packages\tensorflow\Python\framework\op_def_library.py”，第505行，在apply_op values中，作为_ref=input_arg。是(参考)。数据类型。命名文件“C:\Users\jakub\AppData\Local\Programs\Python 35\lib\site packages\tensorflow\Python\framework\ops.py”，第704行，位于内部\u convert\u tensor ret=conversion\u func（值，dtype=dtype，name=name，as\u ref=as\u ref）文件“C:\Users\jakub\AppData\Local\Programs\Python\Python 35\lib\site packages\tensorflow\Python\Python\framework\framework\constant\constant\op，第113行，在常数张量转换函数返回常数（v，dtype=dtype，name=name）文件“C:\Users\jakub\AppData\Local\Programs\Python\Python35\lib\site packages\tensorflow\Python\framework\constant\u op.py”中，第102行，在常数张量util中。make_tensor_proto（value，dtype=dtype，shape=shape，verify_shape=verify_shape））文件“C:\Users\jakub\AppData\Local\Programs\Python\Python35\lib\site packages\tensorflow\Python\framework\tensor\u util.py”，make_tensor_-proto\u GetDenseDimensions（values））第379行。值错误：参数必须是密集张量：范围（2，3）-得到了形状1，但需要[]。

在处理上述异常期间，发生了另一个异常：

Traceback（最近一次调用）：文件"C：\用户\jakub\OneDrive\UTP\SztucznaInteligencja\SOM\SOM2.py"，第148行，在s=SOM（（（3，），30，num_training，sess）文件"C：\用户\jakub\OneDrive\UTP\SztucznaInteligencja\SOM\SOM2.py"，第51行，在初始化self.initialize_graph（）文件"C：\用户\jakub\OneDrive\UTP\SztucznaInteligencja\SOM\SOM2.py"，第76行，initialize_graphself.diff_sum=tf.reduce_sum（self.diff_sq，轴=范围（2,2 len（self.input_shape））文件"C：\用户\jakub\AppData\本地\程序\Python\Python35\lib\site-包\tenorflow\python\ops\math_ops.py"，第1236行，reduce_sumname=name）文件"C：\用户\jakub\AppData\本地\程序\Python\Python35\lib\site-包\tenstorflow\python\ops\gen_math_ops.py"，第2656行，_sumkeep_dims=keep_dims，name=name）File"C：\用户\jakub\AppData\本地\程序\Python\Python35\lib\site-包\tenstorflow\python\框架\op_def_library.py"，第509行，在apply_op（input_name，err））值错误：尝试将reduction_indices转换为张量，但失败。错误：参数必须是密集张量：范围（2,3）-得到形状1，但想要[]。

有人知道我为什么会犯这个错误吗？

Answer 1

我也有同样的问题。我换了房间

self.diff_sum = tf.reduce_sum( self.diff_sq, reduction_indices=range(2,2+len(self.input_shape)) )    

到

self.diff_sum = tf.reduce_sum( self.diff_sq,2 )

试着让它运行。这是400次迭代后的结果：Kohonen_SOM_Colors_reduce_sum_bug