首先，我下载了mnist数据集并提取了所有数据集，然后将提取的文件放在data文件夹中。所以数据目录是这样的：
{data}->{mnist}->{t10k-images-idx3-ubyte(folder), t10k-labels-idx1-ubyte(folder), train-images-idx3-ubyte(folder), train-labels-idx1-ubyte(folder)}
在这些文件夹中，有相关的mnist二进制文件。
之后，我想用命令测试模型：
python main.py --dataset mnist --input_height=28 --output_height=28
但是，我收到此错误：
{＆＃39;的batch_size＆＃39;：
64，＆＃39; beta1＆＃39;：0.5，＆＃39; checkpoint_dir＆＃39;：＆＃39; checkpoint＆＃39;，＆＃39; crop＆＃39;：False， ＆＃39;数据集＆＃39;：＆＃39; mnist＆＃39;，＆＃39; epoch＆＃39;：25，＆＃39; input_fname_pattern＆＃39;：＆＃39; *。jpg＆＃39;， ＆＃39; input_height＆＃39;：28，＆＃39; input_width＆＃39;：无，＆＃39; learning_rate＆＃39;：0.0002， ＆＃39; output_height＆＃39;：28，＆＃39; output_width＆＃39;：无，＆＃39; sample_dir＆＃39;：＆＃39; samples＆＃39;， ＆＃39;训练＆＃39;：False，＆＃39; train_size＆＃39;：inf，＆＃39; visualize＆＃39;：False} 2017-05-19 06：39：26.142508：W c：\ tf_jenkins \ home \ workspace \ release-win \ device \ gp u \ os \ windows \ tensorflow \ core \ platform \ cpu_feature_guard.cc：45] TensorFlow li brary没有编译为使用SSE指令，但这些 可以在您的机器上使用，并可以加速CPU计算。 2017-05-19 06：39：26.142773：W C：\ tf_jenkins \家庭\工作区\释放赢\设备\ GP u \ os \ windows \ tensorflow \ core \ platform \ cpu_feature_guard.cc：45] TensorFlow li brary没有编译为使用SSE2指令，但是 这些都可以在您的机器上使用，并可以加速CPU 计算。 2017-05-19 06：39：26.142990：W C：\ tf_jenkins \家庭\工作区\释放赢\设备\ GP u \ os \ windows \ tensorflow \ core \ platform \ cpu_feature_guard.cc：45] TensorFlow li brary没有编译为使用SSE3指令，但是 这些都可以在您的机器上使用，并可以加速CPU 计算。 2017-05-19 06：39：26.143212：W C：\ tf_jenkins \家庭\工作区\释放赢\设备\ GP u \ os \ windows \ tensorflow \ core \ platform \ cpu_feature_guard.cc：45] TensorFlow li brary没有编译为使用SSE4.1指令，但是 这些都可以在你的机器上使用，并可以加速CPU 计算。 2017-05-19 06：39：26.143558：W C：\ tf_jenkins \家庭\工作区\释放赢\设备\ GP u \ os \ windows \ tensorflow \ core \ platform \ cpu_feature_guard.cc：45] TensorFlow li brary没有编译为使用SSE4.2指令，但是 这些都可以在你的机器上使用，并可以加速CPU 计算。 2017-05-19 06：39：26.143833：W C：\ tf_jenkins \家庭\工作区\释放赢\设备\ GP u \ os \ windows \ tensorflow \ core \ platform \ cpu_feature_guard.cc：45] TensorFlow li brary没有编译为使用AVX指令，但这些 可以在您的机器上使用，并可以加速CPU计算。 2017-05-19 06：39：26.144102：W C：\ tf_jenkins \家庭\工作区\释放赢\设备\ GP u \ os \ windows \ tensorflow \ core \ platform \ cpu_feature_guard.cc：45] TensorFlow li brary没有编译为使用AVX2指令，但是 这些都可以在您的机器上使用，并可以加速CPU 计算。 2017-05-19 06：39：26.144438：W C：\ tf_jenkins \家庭\工作区\释放赢\设备\ GP u \ os \ windows \ tensorflow \ core \ platform \ cpu_feature_guard.cc：45] TensorFlow li brary没有编译为使用FMA指令，但这些 可以在您的机器上使用，并可以加速CPU计算。 2017-05-19 06：39：26.219026：我 C：\ tf_jenkins \家庭\工作区\释放赢\设备\ GP U \ OS \ WINDOWS \ tensorflow \核心\ common_runtime \ GPU \ gpu_device.cc：887] 找到具有属性的设备0：名称：GeForce 820M major：2 minor：1 memoryClockRate（GHz）1.25 pciBusID 0000：03：00.0总内存：2.00GiB 可用内存：1.94GiB 2017-05-19 06：39：26.219532：我 C：\ tf_jenkins \家庭\工作区\释放赢\设备\ GP U \ OS \ WINDOWS \ tensorflow \核心\ common_runtime \ GPU \ gpu_device.cc：908] DMA：0 2017-05-19 06：39：26.219721：我 C：\ tf_jenkins \家庭\工作区\释放赢\设备\ GP u \ os \ windows \ tensorflow \ core \ common_runtime \ gpu \ gpu_device.cc：918] 0： Y 2017-05-19 06：39：26.219874：我 C：\ tf_jenkins \家庭\工作区\释放赢\设备\ GP U \ OS \ Windows \ tensorflow \芯\ common_runtime \ GPU \ gpu_device.cc：950] 忽略可见的gpu设备（设备：0，名称：GeForce 820M，pci总线 id：0000：03：00.0）具有Cu da计算能力2.1。最低 要求Cuda的能力是3.0。 Traceback（最近一次调用最后一次）： 文件＆＃34; main.py＆＃34;，第97行，在tf.app.run（）文件中 ＆＃34; C：\用户\ vafaee \ Miniconda2 \ ENVS \ tensorflow35 \ lib中\站点包\ tensorflo w \ python \ platform \ app.py＆＃34;，第48行，在运行中 _sys.exit（main（_sys.argv [：1] + flags_passthrough））文件＆＃34; main.py＆＃34;，第61行，主sample_dir = FLAGS.sample_dir）文件 ＆＃34; C：\用户\ vafaee \文件\ DCGAN-tensorflow主\ DCGAN-tensorflow-马斯特 r \ model.py＆＃34;，第74行，在init self.data_X中，self.data_y = self.load_mnist（）文件 ＆＃34; C：\用户\ vafaee \文件\ DCGAN-tensorflow主\ DCGAN-tensorflow-马斯特 r \ model.py＆＃34;，第467行，在load_mnist fd =中 开放（os.path.join（DATA_DIR，＆＃39;列车图像 - 的idx3-UBYTE＆＃39;）） PermissionError：[Errno 13]权限被拒绝： ＆＃39; ./数据\ MNIST \列车图像 - 的idx3 -ubyte＆＃39;
我正在以管理员身份运行命令提示符，但它没有工作。
我还检查了权限，右键单击文件夹/文件，然后转到＆＃34; security＆＃34;选项卡和检查权限。一切似乎都很好。
到目前为止，我无法通过查找以前的问题来解决问题。
我使用的是Windows 8，我正在通过coda环境运行代码。
我对此问题表示感谢。
答案 0 :(得分：1)
我能够通过以下解决方案解决此问题：
实际上，这段代码是为了在Linux中使用而编写的。但是，我的平台是Windows。在“model.py”脚本和load_mnist（）函数中，加载数据的代码是data_dir = os.path.join("./data", self.dataset_name)
但是，在Windows中，您无法通过“./”代码访问当前目录。所以我将这一行改为以下几行：
current_dir = os.getcwd()
data1_dir = os.path.join(current_dir, 'data')
data2_dir = os.path.join(data1_dir, 'mnist')
data_dir = os.path.join(data2_dir, 'train-images-idx3-ubyte')
之后，在源代码中有这一行：
fd = open（os.path.join（data_dir，'train-images-idx3-ubyte'））
试图打开目录。所以我改成了这个： `fd = open（os.path.join（data_dir，'train-images.idx3-ubyte'），“r +”）
现在它对我有用。问题是这个代码保证工作，除了从Windows部分，它试图打开目录注意文件本身。 我希望这也可以帮助其他人。 `