Desarrollo de Python
  1. Desarrollo de Python
  3. El ejemplo de TensorFlow MNIST no se ejecuta con full_connected_feed.py
Intereting Posts
El byte del mapeador de transmisión de Hadoop no se está generando ¿Cómo detengo el servidor web Tornado? Herramienta para hacer cumplir los estándares / estilo de código de Python Cómo escribir el RDD resultante en un archivo csv en Spark python Reproduce automáticamente el sonido en el portátil IPython ¿Por qué Python se cuelga “de forma preventiva” cuando se intenta calcular un número muy grande? Hacer que la ventana de matplotlib interactiva no aparezca en cada actualización (Windows 7) Agrega nuevas declaraciones a Python sin personalizar el comstackdor Pyspark Dataframe Join usando UDF Mostrar icono o color en el árbol Gtk TreeView Concat cada elemento de la lista con cada elemento de la segunda lista pyspark: agrega un nuevo campo a un elemento de fila de dataframe Error de Python “importar: no se puede abrir el servidor X” Django no llama método de limpieza de modelos Python ImportError: ningún módulo llamado os

El ejemplo de TensorFlow MNIST no se ejecuta con full_connected_feed.py

Soy capaz de ejecutar bien el Deep MNIST Example , pero cuando fully_connected_feed.py , fully_connected_feed.py el siguiente error: 

 File "fully_connected_feed.py", line 19, in  from tensorflow.g3doc.tutorials.mnist import input_data ImportError: No module named g3doc.tutorials.mnist

Soy nuevo en Python, así que también podría ser un problema de configuración general.

Este es un problema de ruta de Python. Suponiendo que el directorio tensorflow/g3doc/tutorials/mnist es su directorio de trabajo actual (o en su ruta de Python), la forma más fácil de resolverlo es cambiar las siguientes líneas en full_connected_feed.py desde: 

 from tensorflow.g3doc.tutorials.mnist import input_data from tensorflow.g3doc.tutorials.mnist import mnist

…a: 

 import input_data import mnist

Otra alternativa es vincular el directorio ‘g3doc’ desde el repository de github a la carpeta de rueda de python tensorflow. De esa manera no necesitas cambiar el código.