（作者：陈玓玏）
一、 ValueError: could not convert string to float: ‘\ufeff50’错误
错误场景：使用
tensorflow的tf.contrib.learn.datasets.base.load_csv_without_header读取csv文件
时，出现错误
**ValueError: could not convert string to float: '\ufeff50'**
可能的原因：可能是因为你的数据中有一些空白格或者字符串。
解决方案：最好确保文件不该有数据的地方是没有数据的，我把读取的csv周边的一圈没有数据的部分都删除一遍之后，错误就消失了。虽然肉眼不可见，但可能存在空格或者隐藏的单元格。
二、 ValueError: Cannot feed value of shape (100,) for Tensor ‘Placeholder_19:0’, which has shape ‘(?, 1)’错误
错误场景：用tensorflow建模 时，通过shuffle_batch从csv文件中读取数据，并打乱，生成样本batch和标签batch，但是通过预测结果y和标签计算预测精度时，出现错误
ValueError: Cannot feed value of shape (100,) for Tensor 'Placeholder_19:0', which has shape '(?, 1)'
。
可能的原因：使用train_step.run来跑模型时，特征和label都是二位numpy.array，而我用shuffle_batch读取并由sess.run获得的特征是二维array，label是一维的，所以出现了维度问题。
解决方案：需要人为转换一下，将一维label转换为二维label，保证一个样本一行，无论特征还是label，问题得以解决。
具体代码如下：
原来的label：
[0,1,0,0,1]
需要的label：
[[0],
[1],
[0],
[0],
[1]]
转换：
new_label = []
for i in label:
new_label.append([i])