Форма ошибки Tensorflow Tensorshape() должна иметь ранг 1

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]})

Я пытаюсь запустить сверточную модель тензорного потока над своими собственными изображениями размером [32x32x3] изображений. Изображения считываются правильно и назначаются заполнителю во время обучения. Проблема возникает во время выполнения команды train_step. Когда я выполняю график, я получаю следующую ошибку.

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

Но когда я вижу пример здесь, изображения имеют форму [batch_size, высота, ширина, глубина] только тензоры. И этот пример работает нормально. Я что-то упустил?


python tensorflow
person Tanvir    schedule 27.02.2016    source источник
comment
Этот вопрос по-прежнему может быть полезным, но содержит намного больше кода, чем необходимо для демонстрации проблемы, и теперь трудно сократить его до неудачной операции среза, потому что ответ касается других битов размещенный код не имеет отношения к заданному вопросу. Пожалуйста, сократите свой код до минимального примера в следующий раз; для воспроизведения не требовалось 8 строк, не говоря уже о 80.   -  person Mark Amery    schedule 27.04.2016

Ответы (1)


arrow_upward
17
arrow_downward

Я думаю, что ошибка исходит из этой строки:

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

image_batch — это пятимерный тензор формы [2, 1, 32, 32, 3], где 2 — это аргумент batch_size для tf.train.batch(), а 1 была добавлена ​​ранее image = tf.reshape(image, [-1, 32, 32, 3]). (Примечание В этом изменении формы нет необходимости, так как tf.train.batch() уже добавляет пакетное измерение, и в конечном итоге вам придется отменять эффект изменения формы при последующем создании image_4d).

В TensorFlow операция нарезки (то есть image_batch[1]) немного менее гибкая, чем в NumPy. Количество измерений, указанных в срезе, должно быть равно рангу тензора: т.е. вы должны указать все пять измерений, чтобы это работало. Вы можете указать image_batch[1, :, :, :, :], чтобы получить 4-мерный срез image_batch.

Однако я заметил несколько других проблем в вашей программе:

  1. Расчет cross_entropy кажется странным. Обычно при этом используется предсказанная метка и она сравнивается с известной меткой, а не с данными изображения.

  2. Канал на этапе обучения, похоже, не имеет никакого эффекта, потому что заполнители x и y_ не используются в вашей программе. Кроме того, похоже, что вы передаете tf.Tensor (действительно, недопустимый фрагмент image_batch), так что это не удастся, когда вы выполните этот оператор. Если вы собираетесь использовать подачу, вы должны подавать массивы NumPy, содержащие входные данные.

  3. Если вы не используете кормление, т.е. используя tf.WholeFileReader, как показано в вашей программе, вам нужно будет вызвать tf.train.start_queue_runners(), чтобы начать. В противном случае ваша программа зависнет в ожидании ввода.

person mrry    schedule 27.02.2016