我是个初学者。当我学习了tensorflow的程序员指南时，我试图定义一个用于估算器的数据集_input_fn函数。我得到了一个奇怪的错误，显示：
INFO：tensorflow：使用默认配置。
INFO：tensorflow：使用config：{＆＃39; _model_dir＆＃39;：＆＃39; / model＆＃39;， ＆＃39; _tf_random_seed＆＃39;：无，＆＃39; _save_summary_steps＆＃39;：100， ＆＃39; _save_checkpoints_steps＆＃39;：无，＆＃39; _save_checkpoints_secs＆＃39;：600， ＆＃39; _session_config＆＃39;：无，＆＃39; _keep_checkpoint_max＆＃39;：5， ＆＃39; _keep_checkpoint_every_n_hours＆＃39;：10000，＆＃39; _log_step_count_steps＆＃39;：100， ＆＃39; _service＆＃39;：无，＆＃39; _cluster_spec＆＃39;： ，＆＃39; _task_type＆＃39;：＆＃39; worker＆＃39;，＆＃39; _task_id＆＃39;：0， ＆nbsp;＆＃39; _global_id ＆＃39; _is_chief＆＃39;：是的，＆＃39; _num_ps_replicas＆＃39;：0，＆＃39; _num_worker_replicas＆＃39;：1}
INFO：tensorflow：调用model_fn。
INFO：tensorflow：完成调用model_fn。
INFO：tensorflow：创建CheckpointSaverHook。
INFO：tensorflow：图表已经完成。
2018-03-12 10：22：14.699465：我 C：\ tf_jenkins \工作空间\ REL-WIN \中号\ Windows \ PY \ 36 \ tensorflow \芯\平台\ cpu_feature_guard.cc：140] 您的CPU支持此TensorFlow二进制文件不支持的指令 编译使用：AVX2
INFO：tensorflow：运行local_init_op。
INFO：tensorflow：完成运行local_init_op。
2018-03-12 10：22：15.913858：W C：\ tf_jenkins \工作空间\ REL-WIN \中号\ Windows \ PY \ 36 \ tensorflow \核心\框架\ op_kernel.cc：1202] 在iterator_ops.cc：870，OP_REQUIRES失败：参数无效：预期 图像（JPEG，PNG或GIF），得到空文件[[Node：DecodeJpeg = DecodeJpegacceptable_fraction = 1，channels = 0，dct_method =＆＃34;＆＃34;， fancy_upscaling = true，ratio = 1， try_recover_truncated =假]]
Traceback（最近一次调用最后一次）：文件 ＆＃34; F：\ Anaconda3 \ lib中\站点包\ tensorflow \蟒\客户\ session.py＆＃34 ;, 第1361行，在_do_call中 返回fn（* args）文件＆＃34; F：\ Anaconda3 \ lib \ site-packages \ tensorflow \ python \ client \ session.py＆＃34;， 第1340行，在_run_fn中 target_list，status，run_metadata）文件＆＃34; F：\ Anaconda3 \ lib \ site-packages \ tensorflow \ python \ framework \ errors_impl.py＆＃34;， 第516行，退出 c_api.TF_GetCode（self.status.status））
tensorflow.python.framework.errors_impl.InvalidArgumentError：预期 图像（JPEG，PNG或GIF），得到空文件[[Node：DecodeJpeg = DecodeJpegacceptable_fraction = 1，channels = 0，dct_method =＆＃34;＆＃34;， fancy_upscaling = true，ratio = 1， try_recover_truncated =假]] [[Node：IteratorGetNext = IteratorGetNextoutput_shapes = [[？，28,28,1]，[？]]， output_types = [DT_FLOAT，DT_INT32]， _device =＆＃34; /作业：本地主机/复制：0 /任务：0 /装置：CPU：0＆＃34;]] 在处理上述异常期间，发生了另一个异常：
回溯（最近一次呼叫最后一次）：文件＆＃34; F：\ Program 文件\ JetBrains公司\ PyCharm 在run_file中的2017.3.3 \ helpers \ pydev \ pydev_run_in_console.py＆＃34;，第53行 pydev_imports.execfile（文件，全局，本地）＃执行脚本文件＆＃34; F：\ Program Files \ JetBrains \ PyCharm 2017.3.3 \ helpers \ pydev_pydev_imps_pydev_execfile.py＆＃34;，第18行，在execfile中 exec（编译（内容+＆＃34; \ n＆＃34;，文件，＆＃39; exec＆＃39;），glob，loc）文件＆＃34; E：/ Learning_process / semester2018_spring / deep_learning / meituan / MNIST / demo_cnn_mnist_meituan.py＆＃34 ;, 201行，在 tf.app.run（main）File＆＃34; F：\ Anaconda3 \ lib \ site-packages \ tensorflow \ python \ platform \ app.py＆＃34;， 第126行，在运行中 _sys.exit（main（argv））File＆＃34; E：/Learning_process/semester2018_spring/deep_learning/meituan/MNIST/demo_cnn_mnist_meituan.py"， 第195行，主要 步骤= 50）文件＆＃34; F：\ Anaconda3 \ lib \ site-packages \ tensorflow \ python \ estimator \ estimator.py＆＃34;， 352号线，在火车上 loss = self._train_model（input_fn，hooks，saving_listeners）文件 ＆＃34; F：\ Anaconda3 \ lib中\站点包\ tensorflow \蟒\估计\ estimator.py＆＃34 ;, 第891行，在_train_model中 _，loss = mon_sess.run（[estimator_spec.train_op，estimator_spec.loss]）文件 ＆＃34; F：\ Anaconda3 \ lib中\站点包\ tensorflow \蟒\训练\ monitored_session.py＆＃34 ;, 第546行，在运行中 run_metadata = run_metadata）文件＆＃34; F：\ Anaconda3 \ lib \ site-packages \ tensorflow \ python \ training \ monitored_session.py＆＃34;， 第1022行，在运行中 run_metadata = run_metadata）文件＆＃34; F：\ Anaconda3 \ lib \ site-packages \ tensorflow \ python \ training \ monitored_session.py＆＃34;， 第1113行，在运行中 提高six.reraise（* original_exc_info）文件＆＃34; F：\ Anaconda3 \ lib \ site-packages \ six.py＆＃34;，第693行，再加注 提升值文件＆＃34; F：\ Anaconda3 \ lib \ site-packages \ tensorflow \ python \ training \ monitored_session.py＆＃34;， 第1098行，在运行中 return self._sess.run（* args，** kwargs）File＆＃34; F：\ Anaconda3 \ lib \ site-packages \ tensorflow \ python \ training \ monitored_session.py＆＃34;， 第1170行，在运行中 run_metadata = run_metadata）文件＆＃34; F：\ Anaconda3 \ lib \ site-packages \ tensorflow \ python \ training \ monitored_session.py＆＃34;， 第950行，在运行中 return self._sess.run（* args，** kwargs）File＆＃34; F：\ Anaconda3 \ lib \ site-packages \ tensorflow \ python \ client \ session.py＆＃34;， 第905行，在运行中 run_metadata_ptr）文件＆＃34; F：\ Anaconda3 \ lib \ site-packages \ tensorflow \ python \ client \ session.py＆＃34;， 第1137行，在_run feed_dict_tensor，options，run_metadata）文件＆＃34; F：\ Anaconda3 \ lib \ site-packages \ tensorflow \ python \ client \ session.py＆＃34;， 第1355行，在_do_run中 options，run_metadata）文件＆＃34; F：\ Anaconda3 \ lib \ site-packages \ tensorflow \ python \ client \ session.py＆＃34;， 第1374行，在_do_call中 raise type（e）（node_def，op，message）tensorflow.python.framework.errors_impl.InvalidArgumentError：Expected 图像（JPEG，PNG或GIF），得到空文件[[Node：DecodeJpeg = DecodeJpegacceptable_fraction = 1，channels = 0，dct_method =＆＃34;＆＃34;， fancy_upscaling = true，ratio = 1， try_recover_truncated =假]] [[Node：IteratorGetNext = IteratorGetNextoutput_shapes = [[？，28,28,1]，[？]]， output_types = [DT_FLOAT，DT_INT32]， _device =＆＃34; /作业：本地主机/复制：0 /任务：0 /装置：CPU：0＆＃34;]] PyDev控制台：使用IPython 6.1.0
代码如下：
from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
# Imports
import numpy as np
import os
import tensorflow as tf
import argparse
parser = argparse.ArgumentParser()
# parser.add_argument("--batch_size", default=100, type=int, help='batch_size')
# parser.add_argument("--train_steps", default=1000, type=int, help="train_steps")
parser.add_argument("--model_dir", default='/model', type=str, help='model_dir')
parser.add_argument("--data_dir", default='', type=str, help="data_dir")
def cnn_model(features, labels, mode):
"""
:param features:
:param labels:
:param mode:
:return:
"""
# input
input_layer = tf.reshape(features['image'], [-1, 28, 28, 1])
conv1 = tf.layers.conv2d(inputs=input_layer,
filters = 32,
kernel_size=[5, 5],
padding='same',
activation=tf.nn.relu)
pool1 = tf.layers.max_pooling2d(inputs=conv1,
pool_size=[2, 2],
strides=2)
conv2 = tf.layers.conv2d(inputs=pool1,
filters=64,
kernel_size=[5, 5],
padding='same',
activation=tf.nn.relu)
pool2 = tf.layers.max_pooling2d(inputs=conv2,
pool_size=[2, 2],
strides=2)
pool_flat = tf.reshape(pool2, [-1, 7 * 7 * 64])
dense = tf.layers.dense(inputs=pool_flat,
units=1024,
activation=tf.nn.relu)
dropout = tf.layers.dropout(inputs=dense,
rate=0.4,
training=mode == tf.estimator.ModeKeys.TRAIN)
logits = tf.layers.dense(inputs=dropout,
units=10,
activation=None)
predictions = {
'class_ids': tf.argmax(logits, 1),
'probabilities': tf.nn.softmax(logits, name='softmax_tensor')
}
if mode == tf.estimator.ModeKeys.PREDICT:
return tf.estimator.EstimatorSpec(mode,
predictions=predictions)
loss = tf.losses.sparse_softmax_cross_entropy(labels=labels, logits=logits)
if mode == tf.estimator.ModeKeys.EVAL:
eval_metric_ops = {
'accuracy': tf.metrics.accuracy(labels=labels,
predictions=tf.argmax(logits, 1))
}
return tf.estimator.EstimatorSpec(mode,
loss=loss,
eval_metric_ops=eval_metric_ops)
# train
assert mode == tf.estimator.ModeKeys.TRAIN
optimizer = tf.train.GradientDescentOptimizer(learning_rate=0.001)
train_op = optimizer.minimize(loss=loss,
global_step=tf.train.get_global_step())
return tf.estimator.EstimatorSpec(mode,
loss=loss,
train_op=train_op)
def dataset_input_fn(filenames):
"""
:param filenames: tfrecord file's path
:return:
"""
# filenames = ['train.tfrecords', 'test.tfrecords']
dataset = tf.data.TFRecordDataset(filenames)
def _parse(record):
features = {"image": tf.FixedLenFeature((), tf.string, default_value=""),
"label": tf.FixedLenFeature((), tf.int64, default_value=0)}
parsed = tf.parse_single_example(record, features)
image = tf.image.decode_jpeg(parsed["image"])
image = tf.cast(image, tf.float32)
# image = tf.image.convert_image_dtype(image, tf.float32)
image = tf.reshape(image, [28, 28, 1])
# image = tf.cast(image, tf.float32)
# image = tf.decode_raw(features['image'], tf.float64)
label = tf.cast(parsed['label'], tf.int32)
return {'image': image}, label
dataset = dataset.map(_parse)
dataset = dataset.shuffle(buffer_size=10000)
dataset = dataset.batch(100)
dataset = dataset.repeat(1)
iterator = dataset.make_one_shot_iterator()
features, labels = iterator.get_next()
# features = tf.cast(features, tf.float32)
return features, labels
def main(argv):
"""
:param argv:
:return:
"""
args = parser.parse_args(argv[1:])
train_path = ['train.tfrecords']
test_path = ['test.tfrecords']
print("\ndata has been loaded as 'train_x' and 'train_y'\n")
classifier = tf.estimator.Estimator(model_fn=cnn_model,
model_dir=args.model_dir)
classifier.train(
input_fn=lambda: dataset_input_fn(train_path),
steps=50)
print("\ntraining process is done\n")
if __name__ == '__main__':
tf.app.run(main)
答案 0 :(得分：1)
错误似乎是在您的某些示例中，没有实际图像。
基本上，当您调用SelectedItem时，image = tf.image.decode_jpeg(parsed["image"])是一个空张量。
答案 1 :(得分：0)
至少一个例子不是图像。
您可以在将图像输入到神经网络之前检查数据类型。
我正在使用imghdr库：
import imghdr
import os
l_FileNames = os.listdir("images_path")
for image in l_FileNames:
if not imghdr.what(image) == "png":
l_FileNames.remove(image)