Question

以下行的回溯是“语法错误”。为什么？我做了什么shoyuld修复它？

 w1=tf.Variable(tf.truncated_normal(shape=[3,3,1,20])
 layer=tf.nn.conv2d(input=img,filter=w1,strides=[1,1,1,1],padding='SAME')

'img'是灰度图像（np.array），1x32x32x1。

但是，以下几行非常有效：

def new_w(shape): 
return tf.Variable(tf.truncated_normal(shape,stddev=0.05))

然后：

   w1=new_w(shape=[3,3,1,20])
   layer=tf.nn.conv2d(input=img,filter=w1,strides=[1,1,1,1],padding='SAME')

当我说“非常好”时，我的意思是这些线也在一个会话中运行以产生层的数值。这两种形式的陈述有什么区别？

Answer 1

来自文档https://www.tensorflow.org/api_docs/python/tf/nn/conv2d

输入应该是tensorflow.Tensor，而你说img是一个灰度图像（我想象转换成numpy.ndarray）。

您应该创建一个具有图像值的常量张量或占位符，并将img作为占位符的值提供。

例如：

constant_img = tf.constant(img, shape=img.shape, dtype=tf.float32)
layer = tf.nn.conv2d(input=constant_img, filter=w1,strides=[1,1,1,1],padding='SAME')

或

placeholder_img = tf.placeholder(dtype=tf.float32, shape=img.shape)
layer = tf.nn.conv2d(input=placeholder_img, filter=w1,strides=[1,1,1,1],padding='SAME')

在这两种情况下，图层都是tf.Tensor，因此您不会看到任何数值数据。要提取数字数据，您必须打开一个会话，并执行类似

的操作

with tf.Session() as sess:
  sess.run(tf.global_variables_initializer())

然后，在第一种情况下（常数）

  layer_val = sess.run([layer])

而在第二种情况下（占位符）

  layer_val = sess.run([layer], feed_dict={placeholder_img: img})

这个陈述有什么问题？

1 个答案: