Question

我最近在学习TensorFlow并希望将我的照片导入TensorFlow进行训练，但我陷入了困境。下面是我的代码

import tensorflow as tf

tf.device(0)

def read_and_decode(filename):
    filename_queue = tf.train.string_input_producer([filename])
    reader = tf.TFRecordReader()
    _, serialized_example = reader.read(filename_queue)
    features = tf.parse_single_example(
            serialized_example,
            features={
                'label': tf.FixedLenFeature([], tf.int64),
                'img_raw': tf.FixedLenFeature([], tf.string),
            })
    img = tf.decode_raw(features['img_raw'], tf.uint8)
    img = tf.reshape(img, [100, 100, 3])
    img = tf.cast(img, tf.float32) * (1. / 255) - 0.5
    lbl = tf.cast(features['label'], tf.int32)
    return img, lbl

image, label = read_and_decode('/Users/Cody/PycharmProjects/TensorFlowStartUp/train.tfrecords')
img_batch, label_batch = tf.train.shuffle_batch([image, label],
                                                batch_size=5, capacity=5,
                                                min_after_dequeue=2)

x = tf.placeholder(tf.float32, [None, 30000])
y_actual = tf.placeholder(tf.float32, shape=[None, 8])
W = tf.Variable(tf.zeros([30000,8]))
b = tf.Variable(tf.zeros([8]))
y_predict = tf.nn.softmax(tf.matmul(x,W) + b)
cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_actual*tf.log(y_predict),reduction_indices=1))
train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)

correct_prediction = tf.equal(tf.argmax(y_predict,1), tf.argmax(y_actual,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))

init = tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)
    for i in range(100):
        batch_xs = image
        batch_ys = label
        sess.run(train_step, feed_dict={x: batch_xs, y_actual: batch_ys})
        if(i%10==0):
            print "accuracy:",sess.run(accuracy, feed_dict={x: image, y_actual: label})

当我运行代码时，我得到错误的消息如下：

Traceback（最近一次调用最后一次）：文件＆＃34; /home/hadoop/PycharmProjects/TensorFlow/Test.py" ;,第43行，在 sess.run（train_step，feed_dict = {x：batch_xs，y_actual：batch_ys}）文件＆＃34; /usr/local/lib/python2.7/dist-packages/tensorflow/python/client/session.py" ;, 第767行，在运行中 run_metadata_ptr）File＆＃34; /usr/local/lib/python2.7/dist-packages/tensorflow/python/client/session.py"，第925行，在_run 提出TypeError（＆＃39;提要的值不能是tf.Tensor对象。＆＃39; TypeError：提要的值不能是tf.Tensor对象。可接受的Feed值包括Python标量，字符串，列表或 numpy ndarrays。

我不知道如何正确使用我的代码。

x = tf.placeholder(tf.float32, [None, 30000])
y_actual = tf.placeholder(tf.float32, shape=[None, 8])
W = tf.Variable(tf.zeros([30000,8]))
b = tf.Variable(tf.zeros([8]))

表示x，y_actual，W，b 我应该为我的情况输入什么？

非常感谢您的帮助

Answer 1

您的image和label变量是张量
您无法在Feed中提供张量值
您的Feed必须是常规的python数据结构，如numpy array，int等。
您正在使用图片，因此image变量必须是您在输入张量[None, 3000]中定义的形状x = tf.placeholder(tf.float32, [None, 30000])的numpy数组。
您的label变量也必须是您在输入张量[None, 8]中定义的形状x = tf.placeholder(tf.float32, [None, 8])的numpy数组
在您的代码中，您希望将image变量从tensor变为numpy数组，请尝试以下操作：batch_xs = sess.run(image) - 你也想把你的label变量从张量变成一个numpy数组，所以试试这个：batch_ys = sess.run(label)

TensorFlow培训图片

1 个答案: