1d畳み込みニューラルネットのTensorflow再整形エラー

Question

私は自分自身のデータ（スペクトル）用の1d畳み込みニューラルネットを構築しており、tf.reshapeに問題があります。まず私は、パンダとのデータをロードし、708トレーニング例スペクトルの構成numpyの配列、これらの変換長さ2151のそれぞれ、Iは各列の平均値を減算

import pandas as pd 
import numpy as np 
data = pd.read_csv('test.csv',header=None) 
yTrue = data.ix[:,0].as_matrix() 
data = data - data.mean() 
data = data.ix[:,1:].as_matrix() 

。したがって、データは708 x 2151の寸法です。私はその後、

W_conv1 = weight_variable([1, 10, 1, 32]) 
b_conv1 = bias_variable([32]) 
h_conv1 = tf.nn.relu(conv2d(x_, W_conv1) + b_conv1) 
h_pool1 = max_pool_2x2(h_conv1) 

私はその後、構築、で始まるネットワーク、

sess = tf.InteractiveSession() 
## define inputs 
x_ = tf.placeholder(tf.float32, shape=[None, 2151]) 
x_ = tf.reshape(x_, [-1,1,2151,1]) 
y_ = tf.placeholder(tf.float32, shape=[None]) 

私1D畳み込みニューラルネットの入力です

（10幅のカーネルでは、32の特徴マップ）を作成しますその後、ネットワークの他の部分とその上でADAMを実行しようと、

cost_function = tf.reduce_mean(tf.pow(y_out - y_, 2))/(2 * samples_number) #L2 loss 
train_step = tf.train.AdamOptimizer(1e-4).minimize(cost_function) 
correct_prediction = tf.equal(tf.argmax(y_out,1), tf.argmax(y_,1)) 
sess.run(tf.initialize_all_variables()) 
for i in range(20000): 
    print(i) 
    sess.run(train_step, feed_dict={x_: data, y_: yTrue}) 

私は次のエラーを取得するしかし：

ValueError: Cannot feed value of shape (708, 2151) for Tensor u'Reshape_26:0', 
which has shape '(?, 1, 2151, 1)' 

私はこれらの答えを見てきました：TensorFlow/TFLearn: ValueError: Cannot feed value of shape (64,) for Tensor u'target/Y:0', which has shape '(?, 10)'; Tensorflow error using my own dataこれは、ネットワークにデータを渡す前に、私が幾分かの形を変えることを必要としていることを示唆しています。しかし、私はこれが何であるべきかわからないのですか？特に、データの最初の行で次のように動作するので、

t = tf.constant(data[0]) 
tf.reshape(t,[1,1,2151,1]) 

ここにはアイデアはありますか？

ベスト、

ベン

Answer 1

問題はfeed_dictは、任意のテンソルを交換することができるということです、そしてあなたがreshapeオペアンプを参照するようにX_変更したことから、それは交換するためにしようとしている事です。あなただけのプレースホルダとリシェイプOPを参照するためにさまざまなPythonの変数を使用する場合、それは動作するはずです：

x_placeholder_ = tf.placeholder(tf.float32, shape=[None, 2151]) 
x_ = tf.reshape(x_placeholder_, [-1,1,2151,1]) 

を供給する際に続いて、x_placeholder_を使用します。

sess.run(train_step, feed_dict={x_placeholder_: data, y_: yTrue})