Question

所以，我正在建立一个完全卷积网络（FCN），基于Marvin Teichmann's tensorflow-fcn

我的输入图像数据暂时是750x750x3 RGB图像。在通过网络运行后，我使用shape [batch_size，750,750,2]的logits进行损失计算。

这是一个二进制分类 - 我这里有两个类，[0,1]在我的标签中（形状[batch_sizex750x750]。这些都进入了损失函数，如下：

def loss(logits, labels, num_classes):
with tf.name_scope('loss mine'):
    logits = tf.to_float(tf.reshape(logits, [-1, num_classes]))

    #CHANGE labels type to int, for sparse_softmax...
    labels = tf.to_int64(tf.reshape(labels, [-1]))

    print ('shape of logits: %s' % str(logits.get_shape()))
    print ('shape of labels: %s' % str(labels.get_shape()))

    cross_entropy = tf.nn.sparse_softmax_cross_entropy_with_logits(logits, labels, name='Cross_Entropy')
    tf.add_to_collection('losses', cross_entropy)

    loss = tf.add_n(tf.get_collection('losses'), name='total_loss')
return loss

这些是重塑后的logits和标签的形状：

shape of logits: (562500, 2)
shape of labels: (562500,)

在这里，它引发了一个ValueError声明：

Shapes () and (562500,) are not compatible

下面的完整追溯：

  File "train.py", line 89, in <module>
loss_train = loss.loss(logits, data.train.labels, 2)
File "/tensorflow-fcn/loss.py", line 86, in loss
loss = tf.add_n(tf.get_collection('losses'), name='total_loss')
File "/tensorflow/lib/python2.7/site-packages/tensorflow/python/ops/gen_math_ops.py", line 88, in add_n
result = _op_def_lib.apply_op("AddN", inputs=inputs, name=name)
File "/tensorflow/lib/python2.7/site-packages/tensorflow/python/ops/op_def_library.py", line 704, in apply_op
op_def=op_def)
File "/tensorflow/lib/python2.7/site-packages/tensorflow/python/framework/ops.py", line 2262, in create_op
set_shapes_for_outputs(ret)
File "/tensorflow/lib/python2.7/site-packages/tensorflow/python/framework/ops.py", line 1702, in      set_shapes_for_outputs
shapes = shape_func(op)
File "/tensorflow/lib/python2.7/site-packages/tensorflow/python/ops/math_ops.py", line 1557, in _AddNShape
merged_shape = merged_shape.merge_with(input_.get_shape())
File "/tensorflow/lib/python2.7/site-packages/tensorflow/python/framework/tensor_shape.py", line 570, in merge_with
(self, other))
ValueError: Shapes () and (562500,) are not compatible

连连呢？我的tf.add_to_collection('losses', cross_entropy)执行错了吗？

更新：

我尝试在没有像素求和的情况下运行它（或者我认为），直接在上面的代码中返回cross_entropy作为损失。

似乎有效。（它现在从训练优化器函数中抛出ValueError，说明：No gradients provided for any variable。假设这与我的体重初始化和正则化有关，而不是其他任何事情。

更新2：

以上（关于由于没有梯度而导致的ValueError）是微不足道的。如上所述here，当定义的任何tf.Variable对象与正在最小化的损失张量之间没有路径时，通常会遇到此消息。

使用tf.add_n的初始问题仍然存在。我假设它与Graph集合在TensorFlow中的工作方式有关。初始化我的变量后，错误现在显示为：

Shapes () and (?,) are not compatible

Answer 1

截止。原来在损失函数中的代码缺少平均求和。对于遇到此问题的其他人，请修改如下所示的损失函数，它应该可以正常工作。

    cross_entropy = tf.nn.sparse_softmax_cross_entropy_with_logits(logits, labels, name='Cross_Entropy')
    cross_entropy_mean = tf.reduce_mean(cross_entropy, name='xentropy_mean')
    tf.add_to_collection('losses', cross_entropy_mean)

    loss = tf.add_n(tf.get_collection('losses'), name='total_loss')
return loss

张量流的语义分割 - 损失函数中的ValueError（稀疏 - softmax）

1 个答案: