Question

我是Tensorflow和NN的新手。我和MNIST玩了一些东西，但现在我想用自己的照片建立我自己的网络。我制作了带有白点的黑色照片，我想训练网络计算点数。

我的问题是将我的图像数据放入Tensorflow。我googeld很多，并找到了一些信息，并把它放在我自己的代码中。把它放在我预期的不起作用。所以你有一个提示让我把我的图片数据变成张量流吗？

追踪（最近一次呼叫最后一次）：

文件“C：...”，第490行，在apply_op中 preferred_dtype = default_dtype）

文件“C：...”，第741行，在internal_convert_to_tensor中 ret = conversion_func（value，dtype = dtype，name = name，as_ref = as_ref）

文件“C：...”，第614行，在_TensorTensorConversionFunction中％（dtype.name，t.dtype.name，str（t）））

ValueError：Tensor转换请求dtype int32 for Tensor with dtype

float32：'Tensor（“Variable_2 / read：0”，shape =（5000,100），dtype = float32）'

在处理上述异常期间，发生了另一个异常：

追踪（最近一次通话）：文件“...”，第83行，in trainnetwork（x）的

文件“......”，第74行，在火车网络中 prediction = neuralnetworkmodel（x）

文件“...”，第69行，在neuralnetworkmodel输出= tf.matmul（11，output_layer ['weights']）+ output_layer ['偏见']

文件“......”，第1816行，在matmul中 a，b，transpose_a = transpose_a，transpose_b = transpose_b，name = name）

文件“C：...”，第1217行，在_mat_mul中 transpose_b = transpose_b，name = name）

文件“C：...”，第526行，在apply_op中 inferred_from [input_arg.type_attr]））

TypeError：'MatMul'Op的输入'b'的类型为float32，与参数'a'的int32类型不匹配。

        import numpy as np
    import glob
    import scipy.ndimage
    import tensorflow as tf


    n_nodes_hl= 5000
    n_classes = 101

    x=tf.placeholder(tf.float32, [None, 22400])
    y=tf.placeholder(tf.int32,[None, n_classes])

    label_dataset = []
    img_dataset = []
    for image_file_name in glob.glob("C:\\Users\\Thorsten\\Desktop\\InteSystem\\Seg\\Baum???_sw_*.png"):
        print("loading ... ", image_file_name)
        # filename for the correct label
        label = int(image_file_name[-6:-4])

        # load image data from png files into an array
        img_array = scipy.ndimage.imread(image_file_name, flatten=True)

        img_dataset.append(img_array)

        # One Hot Encoding
        label +1
        i = 0
        label_data = []
        while i < 101:
            if i == label:
                label_data.extend([1])

            else:
                label_data.extend([0])
            i += 1

        label_dataset.append(label_data)  

    label_dataset = np.asarray((label_dataset), dtype=float)
    img_dataset = np.asarray((img_dataset), dtype=float)
   # feed_x = {x: img_dataset}
   # feed_y = {y: label_dataset}

   # print(feed_x)
   # print(feed_y)



    def neuralnetworkmodel(data):

        hidden_1_layer = {'weights' : tf.Variable(tf.random_normal([22400, n_nodes_hl])),
                           'biases' : tf.Variable(tf.random_normal([n_nodes_hl]))}

        output_layer = {'weights': tf.Variable(tf.random_normal([n_nodes_hl, n_classes])),
                         'biases': tf.Variable(tf.random_normal([n_classes]))}

        l1 = tf.add(tf.matmul(data, hidden_1_layer['weights']),hidden_1_layer['biases'])
        l1 = tf.nn.relu(l1)

        output = tf.matmul (l1,output_layer['weights']) + output_layer['biases']

        return output

    def trainnetwork(x):
        prediction = neuralnetworkmodel(x)
        cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=prediction,labels=y))
        optimizer = tf.train.GradientDescentOptimizer(.5).minimize(cost)
        runs=10
        with tf.Session() as sess:
            sess.run(tf.global_variables_initializer())
            sess.run([optimizer, cost], feed_dict={x: img_dataset, y: label_dataset})


    trainnetwork(x)

Answer 1

It looks like the problem is in the line

output = tf.matmul (11,output_layer['weights']) + output_layer['biases']

Replace it with

output = tf.matmul (l1,output_layer['weights']) + output_layer['biases']

and the particular error you're seeing should go away.

准备我自己的图片数据到Tensorflow

1 个答案: