python - TensorFlow：形状错误

Question

在训练了我的 MNIST 分类网络之后，我想对测试数据进行“预测”，并得到以下关于测试输入形状的错误

testimages = np.array(test)
print(testimages.shape)
> (28000, 784)
feed_dict = {x: [testimages]}
classification = sess.run(y, feed_dict)

ValueError：无法为具有形状（维度（无），维度（784））的张量u'Placeholder_2：0'提供形状（1、28000、784）的值

那么形状怎么可能是 (28000, 784)（它应该是），但是当输入到训练好的网络时，它会显示为 (1, 28000, 784)？

顺便说一句，为了训练，我通过以下方式包含了训练数据

trainlabels = np.array(train["label"])
trainimages = np.array(train.iloc[:, 1:])

因为训练数据的第一列说明了标签。我正在使用 Pandas 进行导入。

Answer 1

快速回答：从更改feed_dict = {x: [testimages]}为feed_dict = {'x': testimages}

在您的输入中，您传递feed_dict的是字典。不确定是否可以。此外，您标记的内部条目x的格式为[testimages]. 因此testimages.shape = (28000, 784)，如果用数组包裹它就可以了(1, 28000, 784)。