項目場景：

這幾天使用python2.7+tensorflow1.8寫目標提取及情感分析的模型。因為參考的論文模型代碼是這個環境，不得已使用了tensorflow1.8, tensorflow1.8很多東西和2.0都不一樣。運行過程中出現了以下錯誤：

問題描述：

Tensorflow報錯tensorflow.python.framework.errors_impl.InvalidArgumentError exception str() failed原因
在代碼中使用到了placeholder，使用placeholder建模并沒有發生錯誤，傳入的數據shape也符合placeholder中的‘殼’， 而將數據通過feed_dict傳入時出現錯誤。

x = tf.placeholder(tf.int32, [None, FLAGS.max_len])# char_len = tf.placeholder(tf.int32, [None, words_max_len])words_len = tf.placeholder(tf.int32, [None,])keep_prob1 = tf.placeholder(tf.float32)keep_prob2 = tf.placeholder(tf.float32)y_ote = tf.placeholder(tf.float32, [None, FLAGS.max_len, FLAGS.ote_class])y_ts = tf.placeholder(tf.float32, [None, FLAGS.max_len, FLAGS.ts_class])placeholders = [x, words_len, keep_prob1, keep_prob2, y_ote, y_ts]pred_ote, pred_ts, reg = build_model(word_embedding, x, words_len,keep_prob1, keep_prob2, y_ote, y_ts)valid_num = tf.cast(tf.reduce_sum(words_len), dtype=tf.float32)loss_ote = - tf.reduce_sum(y_ote * tf.log(pred_ote)) / valid_num # reduce_sum：計算一個張量的各個維度上元素的總和.loss_ts = - tf.reduce_sum(y_ts * tf.log(pred_ts)) / valid_numloss_all = loss_ote * FLAGS.ote + loss_ts * FLAGS.ts + reg * FLAGS.l2_regoptimizer = tf.train.AdamOptimizer(learning_rate=FLAGS.learning_rate).minimize(loss_all)true_y_ote_tag = tf.argmax(y_ote, 2) # tf.argmax：返回每行或每列最大值索引pred_y_ote_tag = tf.argmax(pred_ote, 2)true_y_ts_tag = tf.argmax(y_ts, 2)pred_y_ts_tag = tf.argmax(pred_ts, 2)print('build model done!\n')

---

原因分析：

分析有兩種原因：

在feed_dict 時，傳入的數據不對應，而產生錯誤

數據傳入placeholder時，shape雖然正確，但是進入模型運算時出現錯誤。

解決方案：

首次我檢查了傳入的數據，是對應的，然后我檢查了模型，發現其中以一個地方有誤，更改了之后問題解決。

總結

以上是生活随笔為你收集整理的tensorflow.python.framework.errors_impl.InvalidArgumentError exception str() failed解决办法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。