我使用*.csv
在tf.data.TextLineDataset
文件中读取并在其上应用map
:
dataset = tf.data.TextLineDataset(os.path.join(data_dir, subset, 'label.txt'))
dataset = dataset.map(lambda value: parse_record_fn(value, is_training),
num_parallel_calls=num_parallel_calls)
解析函数parse_record_fn
如下所示:
def parse_record(raw_record, is_training):
default_record = ["./", -1]
filename, label = tf.decode_csv([raw_record], default_record)
# do something
return image, label
但是在解析函数中ValueError
引发了tf.decode_csv
:
ValueError: Shape must be rank 1 but is rank 0 for 'DecodeCSV' (op: 'DecodeCSV') with input shapes: [1], [], [].
我的*.csv
文件示例:
/data/1.png, 5
/data/2.png, 7
问题:
shapes: [1], [], []
是什么意思?此错误可在此代码中重现:
import tensorflow as tf
import os
def parse_record(raw_record, is_training):
default_record = ["./", -1]
filename, label = tf.decode_csv([raw_record], default_record)
# do something
return image, label
with tf.Session() as sess:
csv_path = './labels.txt'
dataset = tf.data.TextLineDataset(csv_path)
dataset = dataset.map(lambda value: parse_record(value, True))
sess.run(dataset)
答案 0 :(得分:3)
查看tf.decode_csv
的文档,它说明了默认记录:
record_defaults:具有特定类型的Tensor对象列表。 可接受的类型是float32,float64,int32,int64,string。一 输入记录的每列张量,具有标量默认值 该列的值,如果需要该列,则为空。
我相信你得到的错误源于你如何定义张量default_record
。您的default_record
肯定是张量对象(或可转换为张量的对象)的列表,但我认为错误消息告诉它们应该是1级张量,而不是像你的情况那样的0级张量。
您可以通过将默认记录排名为1张张来解决问题。请参阅以下玩具示例:
import tensorflow as tf
my_line = 'filename.png, 10'
default_record_1 = [['./'], [-1]] # do this!
default_record_2 = ['./', -1] # this is what you do now
decoded_1 = tf.decode_csv(my_line, default_record_1)
with tf.Session() as sess:
d = sess.run(decoded_1)
print(d)
# This will cause an error
decoded_2 = tf.decode_csv(my_line, default_record_2)
最后一行产生的错误很常见:
ValueError:Shape必须为1级,但对于' DecodeCSV_1'为0。 (OP: ' DecodeCSV')输入形状:[],[],[]。
在消息中,输入形状(三个括号[]
)指的是{{1}的输入参数records
,record_defaults
和field_delim
的形状}}。在您的情况下,由于您输入tf.decode_csv
,因此第一个形状为[1]
。我同意这个案子的信息不是很有用......