ValueError：すべての入力配列の次元数が同じでなければなりません - TensorflowマニュアルMSINT

Question

テンソルフローで作成した確率的な勾配降下コードを取得しようとしていますが、MINSTデータセットいいね）。これは簡単な問題だとお詫び申し上げますが、どうすればいいのか分からない。ありがとうございました！

私はこのエラーに実行している：

X = np.c_ [：このコード行で

"とValueErrorすべての入力配列は、次元の数が同じでなければなりません" np.ones（n）、image_tensor2]＃line75

なぜこれが機能しないのかわかりません - 画像ファイルをどのように読み込んだのかがわかりますが、必ず。ここに私のコードは

import numpy as np 
import tensorflow as tf 
import matplotlib.pyplot as plt 
import matplotlib.image as mpimg 
import argparse 

#load the images in order 
vector = [] #initialize the vector 

filenames = tf.train.match_filenames_once("train_data/*.jpg") 
filename_queue = tf.train.string_input_producer(filenames) 

image_reader = tf.WholeFileReader() 
_, image_file = image_reader.read(filename_queue) 
image_orig = tf.image.decode_jpeg(image_file) 
image = tf.image.resize_images(image_orig, [28, 28]) 
image.set_shape((28, 28, 3)) 
images = tf.image.decode_jpeg(image_file) 
with tf.Session() as sess: 
    tf.global_variables_initializer().run() 
    coord = tf.train.Coordinator() 
    threads = tf.train.start_queue_runners(coord=coord) 
    image_tensor = sess.run([images]) 
    #print(image_tensor) 
    #coord.request_stop() 
    #coord.join(threads) 

image_tensor2 = np.array(image_tensor) 
n_samples = image_tensor2.shape[0] 
lossHistory=[] 
ap = argparse.ArgumentParser() 
ap.add_argument("-b", "--batch-size", type = int, default =32, help = "size of SGD mini-batches") 
args = vars(ap.parse_args()) 

    # Create the model 
x = tf.placeholder(tf.float32, [None, 784]) #784=28*28 
W = tf.Variable(tf.zeros([784, 10])) 
b = tf.Variable(tf.zeros([10])) 
y = tf.matmul(x, W) + b 

y_ = tf.placeholder(tf.float32, [25112, 10]) 


sess = tf.InteractiveSession() 
tf.global_variables_initializer().run() 
    # Train 

def next_batch(x, batchSize): 
    for i in np.arange(0, x.shape[0], batchSize): 
     yield (x[i:i + batchSize]) 

def gradient_descent_2(alpha, x, y, numIterations): 
    m,n = (784, 25112) # number of samples 
    theta = np.ones(n) 
    theta.fill(0.01) 
    x_transpose = x.transpose() 
    losshistory=[] 
    count = 0 
    batchX = 50 
    for (batchX) in next_batch(x, args["batch_size"]): 
     for iter in range(0, numIterations): 
      hypothesis = np.dot(x, theta) 
      loss = hypothesis - y 
      J = np.sum(loss ** 2)/(2 * m) # cost 
      lossHistory.append(J) 
      print("iter %s | J: %.3f" % (iter, J))  
      gradient = np.dot(x_transpose, loss)/m   
      theta = theta - alpha * gradient 
    return theta 

if __name__ == '__main__': 


    m, n = (784, 25112) 
    x = np.c_[ np.ones(n), image_tensor2] # insert column 
    alpha = 0.001 # learning rate 
    theta = gradient_descent_2(alpha, image_tensor2, y_, 50) 
    fig = plt.figure() 
    print(theta) 

Answer 1

ある私の直感はnp.ones（n）が1次元配列を作成している間、そのimage_tensor 3次元配列です。

しかし、あなたの目標は、バイアスコラム（私の推測）を挿入することでそれを行うための簡単な方法は、次のようになります。

b = np.ones((n + n+1)) 
x = b[:, 1:] = image_tensor2 

例も

c = 
array([[7, 5, 6, 8, 7], 
     [5, 8, 7, 9, 7], 
     [9, 5, 6, 5, 8]]) 

b = np.ones((3, 6)) 
d = b[:, 1:] =c 

d = 
array([[ 1., 7., 5., 6., 8., 7.], 
     [ 1., 5., 8., 7., 9., 7.], 
     [ 1., 9., 5., 6., 5., 8.]])