Tensorflow错误：ValueError：不支持任何值

这是我的测试代码。但是它无法运行。终端总是给我这个错误：

追溯（最近一次通话）： 文件“ desktop / test.py”，第28行，损失= tf.reduce_mean（tf.reduce_sum（tf.square（ys-prediction），reduction_indices = [1]））。 文件“ /Users/sumeixu/anaconda3/lib/python3.6/site-packages/tensorflow/python/ops/math_ops.py”，行898，在binary_op_wrapper中y = ops.convert_to_tensor（y，dtype = x.dtype.base_dtype ，name =“ y”） 文件“ /Users/sumeixu/anaconda3/lib/python3.6/site-packages/tensorflow/python/framework/ops.py”，第932行，在convert_to_tensor中as_ref = False） 文件“ / Users /sumeixu/anaconda3/lib/python3.6/site-packages/tensorflow/python/framework/ops.py“，第1022行，位于internal_convert_to_tensor中ret = conversion_func（value，dtype = dtype，name = name，as_ref = as_ref） 文件“/Users/sumeixu/anaconda3/lib/python3.6/site-packages/tensorflow/python/framework/constant_op.py”，线路233，在返回_constant_tensor_conversion_function恒定（V，D型细胞= D类，名字=名） 文件“ /Users/sumeixu/anaconda3/lib/python3.6/site-packages/tensorflow/python/framework/constant_op.py “线路212，在恒定的值，D型细胞= D型，形状=形状，verify_shape = verify_shape）） 文件” /Users/sumeixu/anaconda3/lib/python3.6/site-packages/tensorflow/python/framework/tensor_util.py“，第401行，在make_tensor_pro中引发ValueError（”不支持任何值。“）。

ValueError：不支持任何值。

请帮助。吹是我的代码。非常感谢！

import tensorflow as tf 
import numpy as np 
import matplotlib.pyplot as plt

def add_layer(inputs,in_size,out_size,activation_function=None):
    Weights=tf.Variable(tf.random_normal([in_size,out_size]))
    biases=tf.Variable(tf.zeros([1,out_size])+0.1)
    Wx_Plus_b = tf.matmul(inputs,Weights)+biases

    if activation_function is None:
        outputs=Wx_Plus_b
    else:
            outputs=activation_function(Wx_Plus_b)
            return outputs

x_data = np.linspace(-1,1,300)[:,np.newaxis]
noise=np.random.normal(0,0.05,x_data.shape)
y_data=np.square(x_data)-0.5+noise

xs=tf.placeholder(tf.float32,[None,1])
ys=tf.placeholder(tf.float32,[None,1])

l1 = add_layer(xs,1,10,activation_function=tf.nn.relu)

prediction=add_layer(l1,10,1,activation_function=None)

loss =tf.reduce_mean(tf.reduce_sum(tf.square(ys-prediction),reduction_indices=[1]))

train_step=tf.train.GradientDescentOptimizer(0.1).minimize(loss)

init = tf.initialize_all_variables()
sess = tf.Session()
sess.run(init)

for i in range(1000):
    sess.run(train_step,feed_dict={xs:x_data,ys:y_data})

    if i%50==0:
        print(sess.run(loss,feed_dict={xs:x_data,ys:y_data}))