我读过许多类似于我的问题，但所有这些问题与我的不同。
for itr in xrange(MAX_ITERATION):
train_images, train_annotations = train_dataset_reader.next_batch(batch_size)
# train_images=tf.image.convert_image_dtype(train_images,np.float32)
# train_annotations=tf.image.convert_image_dtype(train_annotations,np.float32)
# print(train_images_.get_shape(),train_annotations_.get_shape())
# train_images=tf.cast(train_images,tf.float32)
# train_images = tf.to_float(train_images)
# train_annotations = tf.to_float(train_annotations)
#train_images, train_annotations = py_func(selftrans, [train_images_, train_annotations_], [tf.float32], grad=None)
print(train_images.dtype)
# train_annotations=tf.cast(train_annotations,tf.float32)
# train_images,train_annotations = sess.run([train_images,train_annotations])
# train_images = train_images.astype('float32')
# train_annotations = train_annotations.astype('float32')
# print(train_annotations.dtype)
feed_dict = {image: train_images, annotation: train_annotations, keep_probability: 1}
sess.run(train_op, feed_dict=feed_dict)
问题是：在我使用自己的数据（血管分割，这是两个分类问题）后，使用next_batch读取的数据是float64，而feed_dict()需要float32。通常，像tf.cast or tf.tp_float这样的代码可用于将我的数据转换为float32。但是，在使用这些转换代码后，我发现错误已更改为 TypeError：Feed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，numpy ndarrays或TensorHandles。
最后，我尝试使用sess.run来设置其tf.Tensor表单。 Erorr更改为原始数据，这意味着我的数据已转换回float64。
因此，它似乎是一个无限循环。“没有转换，float64将不被接受。转换后，Tf。Tensor也将不被接受。使用sess抵消tf.Tensor表格运行，数据将同时转换回float64“我该如何解决这个问题？我期待着你的回复！类似的问题就在这里， TensorFlow TypeError: Value passed to parameter input has DataType uint8 not in list of allowed values: float16, float32