张量值分配错误-维数问题

Question

我正在编写Python代码，以可视化ConvNet层的输出。一切似乎都还不错，但是在sess.run函数调用中出现如下所示的尺寸转换错误。

ValueError：无法为形状为（（,, 128，128，3）'的张量'image-in：0'输入形状（128，128，3）的值

loaded_graph = tf.Graph()

image_to_use = train_images[0]
print(image_to_use.shape) # (128, 128, 3)

with tf.Session(graph=loaded_graph) as sess:

    # Load model
    loader = tf.train.import_meta_graph(save_model_path + ".meta")
    loader.restore(sess, save_model_path)

    # Get Tensors from loaded model
    hidden_layer_1 = loaded_graph.get_tensor_by_name("hidden-layer-1:0")
    keep_prob_tf = tf.placeholder(tf.float32, name="keep-prob-in")
    image_in_tf = tf.placeholder(tf.float32, [None, image_to_use.shape[0], image_to_use.shape[1], image_to_use.shape[2]], name="image-in")

    units = sess.run(hidden_layer_1, feed_dict={image_in_tf:image_to_use, keep_prob_tf:1.0})

ValueError：无法为形状为（（,, 128，128，3）'的张量'image-in：0'输入形状（128，128，3）的值

Answer 1

此行有问题

image_to_use = train_images[0]

其中image_to_use的维度为(128, 128, 3)。

将其更改为此：

image_to_use = np.asarray([train_images[0]])

现在image_to_use的形状为(1, 128, 128, 3)，它将与预期的形状(?, 128, 128, 3)兼容。

还可以这样定义image_in_tf占位符的形状：

image_in_tf = tf.placeholder(tf.float32, (None, ) + image_to_use[0].shape)

否则，它将接受当前代码格式的错误尺寸（我们更改了第一个尺寸）。