Question

我正在尝试将变量传递给实际为Session变量赋值的函数，但是它给我一个错误，提示该函数未定义

def sobelLoss(yPred,yTrue,input_img):
    yTrue=tf.image.rgb_to_grayscale(input_img)
    yPred=tf.image.rgb_to_grayscale(yPred)
    #converted label and image to grayscale
    I=tf.image.image_gradients(yTrue)
    M=tf.image.image_gradients(yPred)
    #calculate gradients of X and Y axis
    Ix=I[0]
    Mx=M[0]
    Iy=I[1]
    My=M[1]
    #flatten all matrices
    Ix=tf.reshape(Ix,[-1])
    Mx=tf.reshape(Mx,[-1])
    Iy=tf.reshape(Iy,[-1])
    My=tf.reshape(My,[-1])

    i=0
    total=1*32*32   # how much to loop
    sum=tf.constant([0],dtype='float32')
    #to add all of them together
    for i in range(total):
        r=tf.multiply(Ix[i],Mx[i])
        r1=tf.multiply(Iy[i],My[i])
        r2=tf.add(r,r1)
        r3=tf.square(r2)
        one=tf.constant([1],dtype='float32')
        r4=one-r3
        r5=tf.square(Mx[i])
        r6=tf.square(My[i])
        r7=tf.add(r5,r6)
        r8=tf.sqrt(r7)
        sum=tf.add(tf.multiply(r8,r4),sum)

    m1=tf.square(Mx)
    m2=tf.square(My)
    m3=tf.add(m1,m2)
    m4=tf.sqrt(m3)
    m5=tf.reduce_sum(m4)
    lc=tf.div(sum,m5)
    return lc

from skimage.transform import resize


x = resize(train_images[0], (32, 32), anti_aliasing=True)
x=np.expand_dims(x,axis=0)

print(x.shape)

y = resize(test_images[4], (32, 32), anti_aliasing=True)
y=np.expand_dims(y,axis=0)

print(y.shape)

import numpy as np
x=tf.convert_to_tensor(x,np.float32)
y=tf.convert_to_tensor(y,np.float32)

print(sobelLoss1(x,y,x))

with tf.Session() as sess:
    print(sess.run(sobelLoss(x,y,x)))

Answer 1

要在注释中更具体地说明@aynber的观点：包含在块中的User-defined functions在程序执行之前将不存在。由于您的undefined function存在于一个块中，并且引用该代码的代码是在之前声明该函数，因此，您将得到与{{1}}相关的错误。

解决方案是重构程序，以将函数声明移至更高的块内，或者将函数的声明推到程序的根目录之外，以便在程序启动时立即可用。

致命错误：未被捕获的错误：调用未定义的函数SellerLogIn（）

1 个答案: