Skip to main content
 首页 » 编程设计

python之"TypeError: ' 执行 sess.run() 时键入 ' object is not subscriptable"

2024年11月24日11EasonJim

为了更好地说明我的问题,我特此使用一个非常简单的回归模型(即使通过梯度下降也运行 1 秒)。

我想使用类 reg_model() 来包含我的模型。但是当我运行下面的代码时,我得到了错误 TypeError: 'type' object is not subscriptable。

错误来自 sess.run([reg_model['train_step'], reg_model['mean_square_loss']], feed_dict={x: training_set_inputs, yLb: training_set_outputs})。如果我将此代码修改为 sess.run([train_step, mean_square_loss], feed_dict={x: training_set_inputs, yLb: training_set_outputs}),然后删除定义 class reg_model():,那么我的代码运行良好。

但我真的很想用reg_model()来存储模型,这样它本身就可以是一个定义良好的对象。如何修改我的代码以实现此目的?

import tensorflow as tf 
import numpy as np 
 
# values of training data 
training_set_inputs =np.array([[0,1,2],[0,0,2],[1,1,1],[1,0,1]]) 
training_set_outputs =np.array([[1],[0],[1],[0]]) 
 
learning_rate = 0.5 
 
class reg_model(): 
 
# containers and operations 
    x = tf.placeholder(tf.float32, [None, 3]) 
    W = tf.Variable(tf.zeros([3, 1])) 
    B = tf.Variable(tf.zeros([1])) 
 
    yHat = tf.nn.sigmoid(tf.matmul(x, W) + B) 
    yLb = tf.placeholder(tf.float32, [None, 1]) 
 
    mean_square_loss = tf.reduce_mean(tf.square(yLb - yHat))  
 
    train_step = tf.train.GradientDescentOptimizer(learning_rate).minimize(mean_square_loss) 
 
# use session to execute graphs 
with tf.Session() as sess: 
    init=tf.global_variables_initializer() 
    sess.run(init) 
 
    # start training 
    for i in range(10000): 
        sess.run([reg_model['train_step'], reg_model['mean_square_loss']], feed_dict={x: training_set_inputs, yLb: training_set_outputs}) 
 
    # do prediction 
    x0=np.float32(np.array([[0.,1.,0.]]))    
    y0=tf.nn.sigmoid(tf.matmul(x0,W) + B) 
 
    print('%.15f' % sess.run(y0)) 

请您参考如下方法:

您应该使用 reg_model.train_step 和 reg_model.mean_square_loss,而不是 reg_model['train_step'] 和 reg_model['mean_square_loss ']