python - 仅1个标量的Tensorboard摘要标量错误

我通过Tensorboard显示3个标量。标量中的2个没有问题（cross_entropy和准确性）。但是，当我尝试显示第三个标量（learning_rate）时，出现错误。这是我的代码：

这两个标量没有错误：

cross_entropy = -tf.reduce_sum(y * tf.log(logits))
cross_entropy = tf.nn.softmax_cross_entropy_with_logits(logits=Ylogits, labels=Y_)
cross_entropy = tf.reduce_mean(cross_entropy) * 100

correct_prediction = tf.equal(tf.argmax(Y, 1), tf.argmax(Y_, 1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))

尝试显示learning_rate标量时出错：

learning_rate = 0.0001 + tf.train.exponential_decay(0.003, step, 2000, 1 / math.e)
train_step = tf.train.AdamOptimizer(learning_rate).minimize(cross_entropy)

这是我的张量板代码：

tf.summary.scalar("cross_entropy", cross_entropy)
tf.summary.scalar("training_accuracy", accuracy)
tf.summary.scalar("learning_rate", learning_rate)
tf.summary.image("input", x_image, 3)

with tf.Session() as sess:
    sess.run(initializer)
    merged_summary = tf.summary.merge_all()
    writer = tf.summary.FileWriter("./visualization/1")
    writer.add_graph(sess.graph)

    for i in range(1000):
        batch_x, batch_y = mnist.train.next_batch(100)
        if i % 5 == 0:
            s = sess.run(merged_summary, feed_dict={X: batch_x, Y_: batch_y})
            writer.add_summary(s, i)
        sess.run(train_step, feed_dict={X: batch_x, Y_: batch_y, step: i})
        print(sess.run(accuracy, feed_dict={X: mnist.test.images, Y_: mnist.test.labels}))

这是我得到的错误：

tensorflow.python.framework.errors_impl.InvalidArgumentError: You must feed a value for placeholder tensor 'Placeholder' with dtype int32

如果我删除此行，错误消失并且张量板工作正常：

tf.summary.scalar("learning_rate", learning_rate)

最佳答案

看来您并未发布所有代码。有一个step变量，它大概是一个占位符，您没有将其值传递给摘要运行。由于这是计算当前学习率所必需的，因此我假设您可以通过在feed_dict中添加step来修复错误：

s = sess.run(merged_summary, feed_dict={X: batch_x, Y_: batch_y, step: i})

关于python - 仅1个标量的Tensorboard摘要标量错误，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/51583461/