TensorFlowのcsvリーダーには何が欠けていますか？

Question

ほとんどの場合、このチュートリアルのコピーペーストがウェブサイトにあります。私はエラーを取得しています：私のcsvファイルの

Invalid argument: ConcatOp : Expected concatenating dimensions in the range [0, 0), but got 0 [[Node: concat = Concat[N=4, T=DT_INT32, _device="/job:localhost/replica:0/task:0/cpu:0"](concat/concat_dim, DecodeCSV, DecodeCSV:1, DecodeCSV:2, DecodeCSV:3)]]

内容は次のとおりです。

3,4,1,8,4

import tensorflow as tf 


filename_queue = tf.train.string_input_producer(["test2.csv"]) 

reader = tf.TextLineReader() 
key, value = reader.read(filename_queue) 

# Default values, in case of empty columns. Also specifies the type of the 
# decoded result. 
record_defaults = [[1], [1], [1], [1], [1]] 
col1, col2, col3, col4, col5 = tf.decode_csv(
    value, record_defaults=record_defaults) 
# print tf.shape(col1) 

features = tf.concat(0, [col1, col2, col3, col4]) 
with tf.Session() as sess: 
    # Start populating the filename queue. 
    coord = tf.train.Coordinator() 
    threads = tf.train.start_queue_runners(coord=coord) 

    for i in range(1200): 
    # Retrieve a single instance: 
    example, label = sess.run([features, col5]) 

    coord.request_stop() 
    coord.join(threads) 

Answer 1

この問題は、プログラムのテンソルの形が原因で発生します。 TL; DR代わりのtf.concat()あなたは上のget_shape()メソッドを使用することができることに注意してください、私たちは始める前に長さ4

の1-Dテンソルに4つのスカラーcolテンソルを変革なる、tf.pack()を使用する必要があります任意のTensorオブジェクトは、そのテンソルに関する静的形状情報を取得します。例えば、あなたのコード内でコメントアウトされた行は次のようになります。

print col1.get_shape() 
# ==> 'TensorShape([])' - i.e. `col1` is a scalar. 

reader.read()によって返さvalueテンソルは、スカラ文字列です。 tf.decode_csv(value, record_defaults=[...])は、record_defaultsの各要素に対して、valueと同じ形状のテンソル、すなわちこの場合はスカラーを生成する。スカラーは、単一の要素を持つ0次元のテンソルです。 tf.concat(i, xs)はスカラーでは定義されていません.N次元のテンソル（xs）のリストを次元iに沿って新しいN次元のテンソルに連結します。ここで0 <= i < N、有効なiはN = 0です。

tf.pack(xs)オペレータは、この問題を簡単に解決するように設計されています。 kのN次元テンソル（同じ形状を持つ）のリストを取り、それらを0次元のサイズkのN + 1次元テンソルにパックします。あなたはtf.concat()tf.pack()と交換した場合は、あなたのプログラムは動作します：

# features = tf.concat(0, [col1, col2, col3, col4]) 
features = tf.pack([col1, col2, col3, col4]) 

with tf.Session() as sess: 
    # Start populating the filename queue. 
    # ... 

Answer 2

私もこのtutorialで立ち往生しています。私はあなたのwith tf.Session()を変更したとき、私は、別のために一つの問題を交換することができました：

sess = tf.Session() 
coord = tf.train.Coordinator() 
threads = tf.train.start_queue_runners(coord=coord) 

for i in range(2): 
    #print i 
    example, label = sess.run([features, col5]) 

coord.request_stop() 
coord.join(threads) 

sess.close() 

エラーが消え、TFは、実行するために始めたが、それがスタックしているように見えます。 # printのコメントを外すと、1回の反復しか実行されません。おそらくこれは本当に役に立ちません（私は無限の実行のためにエラーをトレードするので）。