with tf.Session() as sess: init = tf.global_variables_initializer() sess.run(init) sess.run(iterator.initializer) # 初始化迭代器 print("step 0, test accuracy %g" % compute_accuracy(test_img, test_label)) start = time.time() for i in range(max_epoch): batch_xs, batch_ys = sess.run(next_batch) # 此batch是个2维tuple，batch[0]是(100，784)的样本数据数组，batch[1]是(100，10)的样本标签数组 sess.run(train_step, feed_dict={xs: batch_xs, ys: batch_ys, keep_prob: keep_prob_rate}) if (i+1) % 50 == 0: print("step %d, test accuracy %g" % ((i+1), compute_accuracy(mnist.test_images, mnist.test_labels))) end = time.time() print('******************************************************') print("运行时间:%.2f秒" % (end - start)) 出现Traceback (most recent call last): File "D:\PycharmProjects\CNN_mnist\lab.py", line 104, in <module> print("step 0, test accuracy %g" % compute_accuracy(test_img, test_label)) File "D:\PycharmProjects\CNN_mnist\lab.py", line 46, in compute_accuracy y_pre = sess.run(prediction, feed_dict={xs: v_xs, keep_prob: 1}) File "D:\Anaconda3\envs\tf26gpu\lib\site-packages\tensorflow\python\client\session.py", line 967, in run result = self._run(None, fetches, feed_dict, options_ptr, File "D:\Anaconda3\envs\tf26gpu\lib\site-packages\tensorflow\python\client\session.py", line 1164, in _run raise ValueError( ValueError: Cannot feed value of shape (10000, 28, 28) for Tensor 'x_input:0', which has shape '(?, 784)'

根据你提供的错误信息，出现了一个 `ValueError`。错误信息显示无法将形状为 `(10000, 28, 28)` 的值传递给形状为 `(?, 784)` 的张量 `x_input`。

这个错误是因为你的输入数据 `test_img` 的形状是 `(10000, 28, 28)`，但是模型的输入张量 `x_input` 的形状应该是 `(?, 784)`，其中 `?` 表示批次大小。这意味着你需要对输入数据进行扁平化处理，将其从三维的形状 `(10000, 28, 28)` 转换为二维的形状 `(10000, 784)`。

你可以使用 `reshape` 方法来实现这个操作。修改代码如下：

test_img = test_img.reshape(-1, 784)  # 将测试集图片数据扁平化

with tf.Session() as sess:
    init = tf.global_variables_initializer()
    sess.run(init)
    sess.run(iterator.initializer)  # 初始化迭代器

    # 在训练之前先计算初始的测试准确率
    print("step 0, test accuracy %g" % compute_accuracy(test_img, test_label))

    start = time.time()
    for i in range(max_epoch):
        batch_xs, batch_ys = sess.run(next_batch)
        sess.run(train_step, feed_dict={xs: batch_xs, ys: batch_ys, keep_prob: keep_prob_rate})

        if (i+1) % 50 == 0:
            # 在每个训练步骤后计算并打印测试准确率
            print("step %d, test accuracy %g" % ((i+1), compute_accuracy(test_img, test_label)))

    end = time.time()
    print('******************************************************')
    print("运行时间:%.2f秒" % (end - start))

这样，你的输入数据的形状就与模型的输入张量匹配了。如果还有其他问题，请提供更多的上下文或完整的代码，以便我能够更好地帮助你。