Question

我用cnn模型和随机图像训练我的数据。第一个卷积层定义为：

 with tf.name_scope("conv1") as scope:
    image = tf.placeholder(tf.float32, [FLAGS.batch_size, 32, 32, 1])
    image = tf.reshape(image, [FLAGS.batch_size, 32, 32, 1])
    print(image)

    w_conv1 = weight_variable([7, 7, 1, 50])
    tf.summary.histogram('w_conv1', w_conv1)
    conv = tf.nn.conv2d(image, w_conv1, [1, 1, 1, 1], padding='SAME')
    b_conv1 = bias_variable([50])
    tf.summary.histogram('b_conv1', b_conv1)
    conv1 = tf.nn.bias_add(conv, b_conv1)
    tf.summary.image('conv1_img',conv1)# **this line get the error**
    print('conv1:')
    print(conv1)

如果我删除该行＆＃34; tf.summary.image（＆＃39; conv1_img＆＃39;，conv1）＆＃34;，程序可以成功运行。当我添加此行时，错误：

tensorflow.python.framework.errors_impl.InvalidArgumentError: You must feed a V alue for placeholder tensor 'conv1/Placeholder' with dtype float and shape [30,32,32,1]

发生，为什么呢？

Answer 1

您使用tf.summary.image定义的摘要会自动添加到摘要集合中。

您肯定会运行操作summaries = tf.summary.merge_all(key='summaries')来收集添加到名为summaries的集合（默认的sumamry集合）中的所有摘要。

然后，在使用sess.run(summaries)的会话中运行此操作后，将执行先前定义的每个摘要。

直方图摘要仅取决于模型参数值，因此不需要计算任何外部数据。

相反，tf.summary.image('conv1_img',conv1)会绘制需要占位符（conv1）的image op的输出。

因此，您应该使用图像占位符执行摘要操作图：

sess.run(summaries, feed_dict{image: <your image here>})。

建议：

让占位符成为一个安置者。随着声明

image = tf.placeholder(tf.float32, [FLAGS.batch_size, 32, 32, 1])
image = tf.reshape(image, [FLAGS.batch_size, 32, 32, 1])

你

将image定义为占位符
将python image变量覆盖为张量流操作。

因此，当你运行时使用feed_dict参数将图像占位符的值注入计算图中，你实际上是覆盖了张量流op（因此你必须提供已经重新整形的值）使它工作）。

因此，最好让占位符成为占位符：

image_placeholder = tf.placeholder(tf.float32, [FLAGS.batch_size, 32, 32, 1])
image = tf.reshape(image_placeholder, [FLAGS.batch_size, 32, 32, 1])

然后用它来正确输入图表：

sess.run(<your ops>, feed_dict:{image_placeholder: <your image>})

tf.summary.image获取错误InvalidArgumentError

1 个答案: