Question

我正在编写一个应该使用tensorflow和opencv的程序使用卷积神经网络进行手语识别。我使用了MNIST分类器的示例代码，可以找到它here和我试图改变它，以便我可以使用opencv来加载训练图像然后相机捕获作为CNN的输入。现在，我对模型的训练有一个问题，它揭示了自己在错误中：

ValueError：需要变量conv2d / kernel的初始化程序

可以找到整个错误日志here

正在使用的框架版本：

Tensorflow r 1.7.1
OpenCV 4.0.0
Python 3.6.5
Numpy 1.14.2

可以看到应该为网络准备训练数据的代码在第一个代码段中。它只是读了一堆不同的jpg照片手势，调整这些图像的大小并将其放入numpy数组

def prepareTrainingData(trainingLetterMaxId, training_image_size):
    training_images = []
    training_labels = []
    for letter in training_letters:
        for i in range(0, trainingLetterMaxId):
            read_image = cv2.imread('/home/radkye/Documents/ASLRecognizer/images/'
            + letter + '/' + letter + '_' + str(i) + '.jpg', 0)
            resized = np.array(cv2.resize(read_image, (training_image_size, training_image_size)))
            flattened = resized.ravel()
            image = tf.cast(flattened, tf.float32)
            training_images.append(image)
            net_output = np.zeros(len(training_letters))
            net_output[letters_to_indices_map[letter]] = 1
            training_labels.append(net_output)

    result = np.array(training_images)
    labels_result = np.array(training_labels)
    return result, labels_result

training_data, training_labels = prepareTrainingData(100, 60)
train_labels_int = np.asarray(training_labels, dtype=np.int32)

mnist_classifier = tf.estimator.Estimator(
    model_fn=cnn.cnn_model_fn,
    model_dir="/home/radkye/Documents/studia/ASLRecognizer_AutoTestVersion/asl_cnn_model")

tensors_to_log = {"probabilities": "softmax_tensor"}
logging_hook = tf.train.LoggingTensorHook(
    tensors=tensors_to_log, every_n_iter=50)

train_input_fn = tf.estimator.inputs.numpy_input_fn(
    x={"x": training_data},
    y=train_labels_int,
    batch_size=3600,
    num_epochs=None,
    shuffle=True)

mnist_classifier.train(
    input_fn=train_input_fn,
    steps=20000,
    hooks=[logging_hook])

cnn_model_fn定义为：

def cnn_model_fn(features, labels, mode):

    input_layer = tf.reshape(features["x"], [-1, 60, 60, 1])

    conv1 = tf.layers.conv2d(
        inputs=input_layer,
        filters=64,
        kernel_size=[5, 5],
        padding="same",
        activation=tf.nn.relu)

    pool1 = tf.layers.max_pooling2d(inputs=conv1, pool_size=[2, 2], strides=2)

    conv2 = tf.layers.conv2d(
        inputs=pool1,
        filters=64,
        kernel_size=[5, 5],
        padding="same",
        activation=tf.nn.relu)

    pool2 = tf.layers.max_pooling2d(inputs=conv2, pool_size=[2, 2], strides=2)
    pool2_flat = tf.reshape(pool2, [-1, 12 * 12 * 64])
    dense = tf.layers.dense(inputs=pool2_flat, units=1024, activation=tf.nn.relu)

    dropout = tf.layers.dropout(
        inputs=dense, rate=0.4, training=mode == tf.estimator.ModeKeys.TRAIN)

    logits = tf.layers.dense(inputs=dropout, units=24)

请有人帮我辨认数据有什么问题我传入CNN模型的结构？这个问题是我编写训练数据的方式，可以在第一个代码片段中看到。我还不是那种流畅的张量流。

否则，也许某人有任何教程或示例，其中opencv与tensorflow一起使用以创建CNN。我找不到东西我需要这样的方式。

我会非常感谢任何帮助。提前谢谢。

Answer 1

[-1, 12 * 12 * 64] - 给定填充和maxpool图层，这应该是[-1, 15 * 15 * 64]，因为60/2/2 = 15

那就是说，我不确定这是实际或唯一的问题，因为我没有办法重现你的问题。

如何解决＆＃34; ValueError：需要变量conv2d / kernel的初始化器＆＃34;何时使用opencv和tensorflow

1 个答案: