Question

我是TensorFlow和机器学习的新手。我试图将两个物体分类为杯子和pendrive（jpeg图像）。我成功地训练并导出了一个model.ckpt。现在我正在尝试恢复已保存的model.ckpt以进行预测。这是脚本：

addr, _ := net.ResolveTCPAddr("tcp", "172.29.4.175:0")

当我运行上面的脚本进行预测时，我收到以下错误：

import tensorflow as tf
import math
import numpy as np
from PIL import Image
from numpy import array


# image parameters
IMAGE_SIZE = 64
IMAGE_CHANNELS = 3
NUM_CLASSES = 2

def main():
    image = np.zeros((64, 64, 3))
    img = Image.open('./IMG_0849.JPG')

    img = img.resize((64, 64))
    image = array(img).reshape(64,64,3)

    k = int(math.ceil(IMAGE_SIZE / 2.0 / 2.0 / 2.0 / 2.0)) 
    # Store weights for our convolution and fully-connected layers
    with tf.name_scope('weights'):
        weights = {
            # 5x5 conv, 3 input channel, 32 outputs each
            'wc1': tf.Variable(tf.random_normal([5, 5, 1 * IMAGE_CHANNELS, 32])),
            # 5x5 conv, 32 inputs, 64 outputs
            'wc2': tf.Variable(tf.random_normal([5, 5, 32, 64])),
            # 5x5 conv, 64 inputs, 128 outputs
            'wc3': tf.Variable(tf.random_normal([5, 5, 64, 128])),
            # 5x5 conv, 128 inputs, 256 outputs
            'wc4': tf.Variable(tf.random_normal([5, 5, 128, 256])),
            # fully connected, k * k * 256 inputs, 1024 outputs
            'wd1': tf.Variable(tf.random_normal([k * k * 256, 1024])),
            # 1024 inputs, 2 class labels (prediction)
            'out': tf.Variable(tf.random_normal([1024, NUM_CLASSES]))
        }

    # Store biases for our convolution and fully-connected layers
    with tf.name_scope('biases'):
        biases = {
            'bc1': tf.Variable(tf.random_normal([32])),
            'bc2': tf.Variable(tf.random_normal([64])),
            'bc3': tf.Variable(tf.random_normal([128])),
            'bc4': tf.Variable(tf.random_normal([256])),
            'bd1': tf.Variable(tf.random_normal([1024])),
            'out': tf.Variable(tf.random_normal([NUM_CLASSES]))
        }

   saver = tf.train.Saver()
   with tf.Session() as sess:
       saver.restore(sess, "./model.ckpt")
       print "...Model Loaded..."   
       x_ = tf.placeholder(tf.float32, shape=[None, IMAGE_SIZE , IMAGE_SIZE , IMAGE_CHANNELS])
       y_ = tf.placeholder(tf.float32, shape=[None, NUM_CLASSES])
       keep_prob = tf.placeholder(tf.float32)

       init = tf.initialize_all_variables()

       sess.run(init)
       my_classification = sess.run(tf.argmax(y_, 1), feed_dict={x_:image})
       print 'Neural Network predicted', my_classification[0], "for your image"


if __name__ == '__main__':
     main()

我做错了什么？我如何修复numpy数组的形状？

Answer 1

image的形状为(64,64,3)。

您的输入占位符_x的形状为(?, 64,64,3)。

问题在于您为占位符提供了不同形状的值。

您必须使用(1, 64, 64, 3) =一批1张图片来提供它。

只需将image值重新整形为大小为1的批次。

image = array(img).reshape(1, 64,64,3)

P.S：输入占位符接受一批图像，这意味着您可以并行运行一批图像的预测。您可以尝试读取多个图像（N个图像），然后使用形状为(N, 64,64,3)的张量构建一批N图像

Answer 2

Powder's评论可能不会被发现，就像我错过了很多次一样。因此，为了让它更加明显，我将重申他的观点。

有时候使用image = array(img).reshape(a,b,c,d)会重塑好，但从经验来看，每次尝试在操作中使用新维度时，我的内核都会崩溃。最安全的是

np.expand_dims（img，axis = 0）

每次都很完美。我无法解释原因。 This link对其用法有很好的解释和示例。

TensorFlow ValueError：无法为Tensor u＆＃39; Placeholder：0＆＃39;提供形状值（64,64,3），它具有形状＆＃39;（？，64,64,3）＆＃39;

2 个答案: