我从Rob Romijnders在GitHub上的工作下载了这段代码，它展示了如何训练和评估时间序列数据。

我尝试使用训练好的模型获取新的期望值，使用了以下代码：

 y_result = tf.nn.softmax(tf.matmul(x,h_fc2) + b_fc2)

然后我在另一部分使用以下代码来预测结果：

result_classes = sess.run(y_result, feed_dict={x: flat_pixels,keep_prob: 1.0})

但出现了以下错误：

InvalidArgumentError (请查看上面的跟踪信息): 您必须为dtype为bool的占位符张量'Placeholder_1'提供值 [[Node: Placeholder_1 = Placeholder[dtype=DT_BOOL, shape=[], _device="/job:localhost/replica:0/task:0/cpu:0"]()]]

问题是如何预测我的新期望值？为什么会出现这个错误？如何解决这个问题？

我认为这是关于如何处理Tensorflow API、框架和训练模型的问题。

回答：

错误信息已经很清楚了 – 您没有提供必需的布尔值。对于这段代码来说，这是bn_train，它表示是否要训练批归一化。请将其添加到您的feed dict中，就像您使用的代码中所传递的一样。

第二部分是：

y_result = tf.nn.softmax(tf.matmul(x,h_fc2) + b_fc2)

这是没有意义的，您要求模型将数据（x）乘以最后一层，那之前的所有层呢？

预测可以通过以下方式实现：

prediction = tf.argmax(h_fc2,1)

然后在训练后

sess.run(prediction, feed_dict={x: flat_pixels,keep_prob: 1.0, bn_train: False})