找到在哪儿错了

model.py conv2d那个文件改一下下面这行

把

return tf.nn.conv2d([1, 1, 1, 1], padding='SAME')
改成

return tf.nn.conv2d(x, W, [1, 1, 1, 1], padding='SAME')

没有传入参数当然出错喽

少了个括号

看起来代码应该是没问题的，你可以查验一下有没有中英文字符写错。

贴一下我写的代码：

path = saver.save(
    sess, os.path.join(os.path.dirname(__file__), 'data', 'convolutional.ckpt'),
    write_meta_graph=False, write_state=False
)

这里是将手写数据集中的数据放入到Batch数组中了，batch[0]里面的数据是image的变形数据，batch[1]里面的数据是label标签 

同样的问题  已经解决！感谢

def conv2d(x, W):
  return

这里应该是 

tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

train_accuracy = accuracy.eval(feed_dict={x: batch[0], y_: batch[1], keep_prob: 1.0})

预测的时候不需要drop out 的操作。

tf.nn.dropout里面的参数keep_prob的意思是：留下的神经元的概率，如果keep_prob为0的话， 就是让所有的神经元都失活。

类似的函数是tf.layers.dropout,里面的参数是rate，是失活的概率。

可以看https://stackoverflow.com/questions/44395547/tensorflow-whats-the-difference-between-tf-nn-dropout-and-tf-layers-dropout。

if i% 100 == 0:
            train_accuracy = accuracy.eval(feed_dict={x:batch[0] , y:batch[1] , keep_prob : 1.0});

这个里面应该是y_

我也出现了这个错误，请问怎么解决的？

import os
import model
import tensorflow as tf
import input_data

data = input_data.read_data_sets('MNIST_data', one_hot=True)

# model
with tf.variable_scope("convolutional"):
    x = tf.placeholder(tf.float32, [None, 784], name='x')
    keep_prob = tf.placeholder(tf.float32)
    y, variables = model.convolutional(x, keep_prob)

# train
y_ = tf.placeholder(tf.float32, [None, 10], name='y')
cross_entropy = -tf.reduce_sum(y_ * tf.log(y))
train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)
correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))

saver = tf.train.Saver(variables)

with tf.Session() as sess:
    merged_summary_op = tf.summary.merge_all()
    summary_writer = tf.summary.FileWriter('/tmp/mnist_log/1', sess.graph)
    summary_writer.add_graph(sess.graph)
    sess.run(tf.global_variables_initializer())

    for i in range(20000):
        batch = data.train.next_batch(50)
        if i % 100 == 0:
            train_accuracy = accuracy.eval(feed_dict={x: batch[0], y_: batch[1]})
            print("Step %d, training accuracy %g" % (i, train_accuracy))
        sess.run(train_step, feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5})

    print(sess.run(accuracy, feed_dict={x: data.test.images, y_: data.test.labels, keep_prob: 1.0}))

    path = saver.save(
        sess, os.path.join(os.path.dirname(__file__), 'data_convolutional', 'convolutional.ckpt'),
        write_meta_graph=False, write_state=False)

    print("Saved: ", path)

刚才有查看了一遍，发现问题是方法写错了，在第15行左右，

train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)

我把AdamOptimizer写成了AdadeltaOptimizer导致成功率很低，不知道你是否也是这样的问题

这个问题是你在调用conv2d()函数可能没有将所需要的值传递进去导致的，具体可以先看下model.py文件编写是否正确，其次可以看一下在主文件中调用model的卷积函数是否有正确的传值。