TypeError: Can not convert a float32 into a Tensor or Operation.

錯誤

TypeError: Can not convert a float32 into a Tensor or Operation.
# 類型錯誤:不能將一個浮動32轉換為一個張量或操作。

TypeError: Fetch argument 2.3025854 has invalid type <class 'numpy.float32'>, must be a string or Tensor. (Can not convert a float32 into a Tensor or Operation.)

如其意,類型錯誤:不能將一個浮動32轉換為一個張量或操作。也就是在計算圖實際運算的時候發生的錯誤,錯誤為數據類型錯誤,將應該是傳入的張量或者操作的的地方傳入了一個 float32 類型的數據.

分析

源碼

      for step in range(1000):
            batch_xs, batch_ys = mnist.train.next_batch(100)
            _, Train_Loss = sess.run([Train_Step,Train_Loss], feed_dict={X: batch_xs, Y_true: batch_ys})
            print('Train step :',step,'Train_Losss :',Train_Loss)

錯誤產生的時候我查了查代碼,沒明白什么意思,后來debug才發現,是變量在第二遍運行的時候數據類型發生了改變,

其改變是在第一遍的時候,仔細看源代碼,輸出的Train_Loss與后面sess.run([Train_Step,Train_Loss], feed_dict={X: batch_xs, Y_true: batch_ys})中的’Train_Loss’同名,顯然第一遍運行之后,原本應該傳入session的Train_Loss就從張量變成了 float32

解決方案

避免重名,使用不同的名字
如原來的

_, Train_Loss = sess.run([Train_Step,Train_Loss], feed_dict={X: batch_xs, Y_true: batch_ys})

改為

 _, train_loss = sess.run([Train_Step,Train_Loss], feed_dict={X: batch_xs, Y_true: batch_ys})

BUG就消失了
這是一個很低級的BUG…..但是也很有趣.