Tensorflow错误“形状Tensorshape()必须具有等级1”
python
tensorflow
7
0
import tensorflow as tf
import numpy as np
import os
from PIL import Image
cur_dir = os.getcwd()

def modify_image(image):
  #resized = tf.image.resize_images(image, 180, 180, 3)
   image.set_shape([32,32,3])
   flipped_images = tf.image.flip_up_down(image)
   return flipped_images

def read_image(filename_queue):
  reader = tf.WholeFileReader()
  key,value = reader.read(filename_queue)
  image = tf.image.decode_jpeg(value)
  return key,image

def inputs():
 filenames = ['standard_1.jpg', 'standard_2.jpg' ]
 filename_queue = tf.train.string_input_producer(filenames)
 filename,read_input = read_image(filename_queue)
 reshaped_image = modify_image(read_input)
 reshaped_image = tf.cast(reshaped_image, tf.float32)
 label=tf.constant([1])
 return reshaped_image,label

def weight_variable(shape):
 initial = tf.truncated_normal(shape, stddev=0.1)
 return tf.Variable(initial)

def bias_variable(shape):
 initial = tf.constant(0.1, shape=shape)
 return tf.Variable(initial)

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

def max_pool_2x2(x):
 return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
                    strides=[1, 2, 2, 1], padding='SAME')

x = tf.placeholder(tf.float32, shape=[None,32,32,3])
y_ = tf.placeholder(tf.float32, shape=[None, 1])
image,label=inputs()
image=tf.reshape(image,[-1,32,32,3])
label=tf.reshape(label,[-1,1])
image_batch=tf.train.batch([image],batch_size=2)
label_batch=tf.train.batch([label],batch_size=2)

W_conv1 = weight_variable([5, 5, 3, 32])
b_conv1 = bias_variable([32])

image_4d=x_image = tf.reshape(image, [-1,32,32,3])

h_conv1 = tf.nn.relu(conv2d(image_4d, W_conv1) + b_conv1)
h_pool1 = max_pool_2x2(h_conv1)

W_conv2 = weight_variable([5, 5, 32, 64])
b_conv2 = bias_variable([64])

h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)
h_pool2 = max_pool_2x2(h_conv2)

W_fc1 = weight_variable([8 * 8 * 64, 1024])
b_fc1 = bias_variable([1024])
h_pool2_flat = tf.reshape(h_pool2, [-1, 8*8*64])
h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)
keep_prob = tf.placeholder(tf.float32)
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)

W_fc2 = weight_variable([1024, 2])
b_fc2 = bias_variable([2])

y_conv=tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)
cross_entropy= -tf.reduce_sum(tf.cast(image_batch[1],tf.float32)*tf.log(y_conv))
train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)

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

for i in range(20000):
 sess.run(train_step,feed_dict={x:image_batch[0:1],y_:label_batch[0:1]})

我试图在我自己的尺寸为[32x32x3]图像的图像上运行tensorflow卷积模型。在训练过程中,将正确读取图像并将其分配给占位符。在运行train_step op时出现问题。当我执行图形时,出现以下错误。

TensorShape([Dimension(2), Dimension(1), Dimension(32), Dimension(32), Dimension(3)]) must have rank 1

但是,当我在这里看到示例时,图像仅是[batch_size,height,width,depth]张量的形式。这个例子很好用。我有什么想念的吗?

参考资料:
Stack Overflow
收藏
评论
共 1 个回答
高赞 时间 活跃

我认为错误来自此行:

cross_entropy= -tf.reduce_sum(tf.cast(image_batch[1],tf.float32)*tf.log(y_conv))

image_batch是一个5维张量,其形状为[2, 1, 32, 32, 3] tf.train.batch() [2, 1, 32, 32, 3] ,其中2是tf.train.batch()batch_size参数,并且1由早期的image = tf.reshape(image, [-1, 32, 32, 3]) 。 ( 注意,此重塑是不必要的,因为tf.train.batch()已经添加了一个批处理尺寸,当您以后构造image_4d时,最终不得不撤消重塑的效果)。

在TensorFlow中,切片操作(即image_batch[1] )比NumPy中的灵活性稍差。切片中指定的维数必须等于张量的秩:即,必须指定所有五个维才能起作用。您可以指定image_batch[1, :, :, :, :]以获取image_batch的4维切片。

我注意到您的程序中还有其他一些问题:

  1. cross_entropy计算似乎很奇怪。通常,它使用预测的标签并将其与已知标签进行比较,而不是图像数据。

  2. 训练步骤中的feed似乎没有效果,因为占位符xy_在您的程序中未使用。此外,你似乎是喂tf.Tensor (实际上,非法片image_batch ),所以当你执行该语句这将失败。如果打算使用馈送,则应馈入保存输入数据的NumPy数组。

  3. 如果你不使用使用馈送即tf.WholeFileReader如在程序中,你将需要调用tf.train.start_queue_runners()开始。否则您的程序将挂起,等待输入。

收藏
评论
新手导航
  • 社区规范
  • 提出问题
  • 进行投票
  • 个人资料
  • 优化问题
  • 回答问题

关于我们

常见问题

内容许可

联系我们

@2020 AskGo
京ICP备20001863号