ValueError: Cannot feed value of shape (1, 51, 2) for Tensor 'Placeholder:0', which has shape '(1, 2)' future_action = self.sess.run(self.actor_target_net.output, {self.state_ph:next_states_batch})

这个错误通常是因为输入的数据形状不匹配导致的。你需要检查一下这个错误的上下文，看看哪个地方输入的数据形状出了问题。具体来说，你需要检查一下：

1.输入数据的形状是否与模型中定义的形状相同；
2.检查一下输入数据的维度是否正确；
3.如果你使用的是 TensorFlow，那么可以通过在模型定义中添加 `tf.print()` 来输出中间变量的形状，以便更好地调试。

如果你无法解决这个问题，请提供更多的上下文信息，我会尽力帮助你解决。

相关问题

ValueError: Cannot feed value of shape (50, 784) for Tensor Placeholder_1:0, which has shape (None, 10)

这个错误通常是由于在训练神经网络时，输入数据的形状不符合模型定义中的输入形状而引起的。具体地说，你在给占位符 `Placeholder_1` 输入数据时，数据形状应该是 `(None, 10)`，但是你给它输入了形状为 `(50, 784)` 的数据。

解决这个问题的方法是调整输入数据的形状，使其与占位符的形状匹配。如果你使用的是 Keras 等深度学习框架，可以使用 `reshape()` 函数对输入数据进行变形。如果你手动编写神经网络模型，可以通过修改模型定义中的输入层来适应你的数据形状。

ValueError: Cannot feed value of shape (1, 784) for Tensor Placeholder/inputs_placeholder:0, which has shape (None, 10)

这个错误通常表示输入数据的维度和模型的期望不符。

具体来说，你的模型期望输入数据的形状为 `(None, 10)`，其中 `None` 表示输入数据的数量可以是任意值，而 `10` 则表示每个输入数据有10个特征。但是你尝试将一个形状为 `(1, 784)` 的数据提供给模型，这显然与模型期望的形状不符。

因此，你需要检查输入数据的形状，并确保其与模型的期望相匹配。如果输入数据的形状不正确，你可以尝试对其进行重塑或转换，使其与模型期望的形状相同。