Question

问题：
尝试通过tf.train.import_meta_graph("saved_models/model.meta")恢复meta_graph会出现以下错误：

InvalidArgumentError (see above for traceback): Shape [-1] has negative dimensions
     [[Node: Placeholder_2 = Placeholder[dtype=DT_INT32, shape=[?], _device="/job:localhost/replica:0/task:0/cpu:0"]()]]

占位符的形状和传递的数据如下：占位符：（？，？，50）数据：（1,2,50）

<小时/> 参与的代码：
涉及的占位符：self.x_placeholder_input = tf.placeholder(tf.float32, shape=[None, None, n_inputs])

另一个占位符（标签）：self.y_placeholder_label = tf.placeholder(tf.int32, shape=[None, self.num_of_classes])
预测方法：

def predict(self):
    with tf.name_scope("predict"):
        with tf.Session(graph=tf.Graph()) as sess:
            saver = tf.train.import_meta_graph("saved_models/model.meta")
            saver.restore(sess, "saved_models/model")

            graph = tf.get_default_graph()
            output = graph.get_tensor_by_name("optimize/cal_loss/model_network/model_network_NN_network/output/BiasAdd:0")
            x_placeholder = graph.get_tensor_by_name("Placeholder:0")
            print x_placeholder.shape
            print np.array(self.data_x).shape
            print sess.run(output, feed_dict={x_placeholder: self.data_x})

训练方法：

 def train(self):
        writer = writer = tf.summary.FileWriter("mygraph/logs", tf.get_default_graph())

        num_of_epoch = 10
        with tf.Session() as sess:
            for epoch in range(num_of_epoch):
                # initialise all variables
                optimize = self.optimize
                sess.run(tf.global_variables_initializer())

                sess.run(optimize,
                         feed_dict={self.x_placeholder_input: np.array(self.data_x),
                                    self.y_placeholder_label: np.array(self.data_y),
                                    self.sq_placeholder_seq_length: np.array(self.seq_length)})

                if num_of_epoch % 10 == 0:
                    # Create Saver to save model
                    print "Cycle " + str(epoch) + " out of " + str(num_of_epoch) + " done"
                    saver = tf.train.Saver()
                    location = saver.save(sess, "saved_models/model")
                    print "Model saved to : " + str(location)

<小时/> 问题：在定义它的形状时，问题是由占位符两个引起的？虽然训练很好。 **完整代码（如果有帮助）：** （https://gist.github.com/duemaster/660208e6cd7856af2522c2efa67911da）

Answer 1

根据我的经验，您收到此错误是因为您没有在已还原的模型中提供该占位符的值。当你忘记喂它时，你通常会得到错误“你必须为占位符XX提供值”，但我注意到当占位符在其形状向量中有None时（使用已恢复的模型），错误将是你得到的关于负面维度的错误。即使在占位符形状中有1 None，我也会遇到此错误，并且正确输入其值可以解决问题。

无法恢复图表

1 个答案: