我正在尝试编写代码来创建一个神经网络。该网络应该从特定的csv文件中读取数据，该文件包含每个输入个体13个不同的特征。以下是我的代码片段：

n_inputs = 13X = tf.placeholder(tf.float32, shape=(None, n_inputs), name="X")y = tf.placeholder(tf.int64, shape=None, name="y")def data_processor(n):    id = pd.read_csv('./subset_numerical/'+patient_id[n])    id_input = np.array(id['VALUE'].tolist())    for s in sepsis_pat:        if str(s) == str(patient_id[n].split('.')[0]):            a = 1    try:        if a == 1:            a = 0            return [id_input, np.array([1, 0])]    except:        return [id_input, np.array([0, 1])]

我的tf.Session()部分看起来像这样：

with tf.Session() as sess:init.run()    for epoch in range(n_epochs):        a = 0        for iteration in range(300 // batch_size):                X_batch, y_batch = data_processor(iteration)                print((X_batch))                sess.run(training_op, feed_dict={X: X_batch, y: y_batch})                acc_train = accuracy.eval(feed_dict={X: X_batch, y: y_batch})                print(epoch, "Train accuracy:", acc_train)        save_path = saver.save(sess, "./my_model_final.ckpt")

问题是：执行后，显示以下错误：

Can not feed value of shape (13,) for tensor 'X:0', which has shape (?,13) 

这是什么问题？

回答：

你的X占位符期望输入的shape=(None, n_inputs)，而X_batch的形状是n_inputs，所以形状不匹配。

你可以通过将n_inputs放入列表中，使其形状变为(1, n_inputs)来解决这个问题：

sess.run(training_op, feed_dict={X: [X_batch], y: y_batch})