我的代码编写如下：

def __init__(self, X):    ops.reset_default_graph()    tl.layers.clear_layers_name()    self.sess = tf.Session()    self.input_x = tf.placeholder(tf.float32, shape=[None, 784],name="input")      input_layer = tl.layers.InputLayer(self.input_x)    drop1 = tl.layers.DropoutLayer(input_layer, keep=0.8, name="drop1")    relu1 = tl.layers.DenseLayer(drop1, n_units=800, act = tf.nn.relu)    drop2 = tl.layers.DropoutLayer(relu1, keep=0.5, name="drop2")    self.output = drop2.all_layers[-1]    self.gradient = tf.gradients(self.output,self.input_x)    init_op = tf.initialize_all_variables()    self.sess.run(init_op)    self.output.eval(session=self.sess, feed_dict={self.input_x:X})

如你所见，只初始化了一个占位符，然而我遇到了

InvalidArgumentError: 你必须为占位符张量 ‘Placeholder’ 提供一个值，其数据类型为 float [[Node: Placeholder = Placeholderdtype=DT_FLOAT, shape=[], _device=”/job:localhost/replica:0/task:0/cpu:0″]]

我百分之百确定我输入的 X 的类型是 float32，并且形状为 [1000,784]。

回答：

正如@人名所正确指出的，未提供值的占位符张量的名称与你直接创建的占位符张量的名称(“input”)不同。

如果你使用的是TensorLayer，你可能无法直接调用 session.run 或 some_tensor.eval，除非你了解 TensorLayer 的内部层结构。例如，每个 DropoutLayer 实例在内部创建一个tf.placeholder 用于保持概率。

也就是说，这个库似乎期望你只通过它们的API（例如 fit 和 test）与你的模型进行交互，如下面的示例所示：

# 训练网络，我们建议使用 tl.iterate.minibatches()tl.utils.fit(sess, network, train_op, cost, X_train, y_train, x, y_,            acc=acc, batch_size=500, n_epoch=500, print_freq=5,            X_val=X_val, y_val=y_val, eval_train=False)# 评估tl.utils.test(sess, network, acc, X_test, y_test, x, y_, batch_size=None, cost=cost)

来自：https://github.com/zsdonghao/tensorlayer#your-first-program