Question

我写了一段代码来合成一些人脸图像，并且我有一个自定义层，其任务是提取FaceNet嵌入，因此我可以在损失函数中除了图像本身之外使用这些嵌入，但是会出现此错误：

tensorflow.python.framework.errors_impl.InvalidArgumentError: transpose expects a vector of size 0. But input(1) is a vector of size 4
     [[{{node training/Adam/gradients/conv2d/Conv2D_grad/Conv2DBackpropInput-2-TransposeNHWCToNCHW-LayoutOptimizer}}]]

为简单起见，让我们以仅返回其输入的方式来定义我的自定义层：

class my_layer(Layer):

  def __init__(self, **kwargs):
    super(my_layer, self).__init__(**kwargs)

  def call(self, x):
    y = tf.py_function(my_func,[x], Tout = tf.float32)
    y.set_shape((None, 160, 160, 3))
    return y

def my_func(x):
    y1 =x
    x = x.numpy()
    y2 = tf.convert_to_tensor(x, dtype=tf.float32)
    return y2

如果我返回y2，我将得到相同的错误，但是如果我返回y1，一切都会好起来的。真的很奇怪，如果返回输入张量没有错误，但是如果将其转换为numpy数组然后将其转换回张量，则会抛出此错误。我估计将输入张量转换为数组时会丢失某些内容。我检查了输入张量的id并创建了张量y2。他们是不同的。也许是因为这个原因，但我不知道如何更改张量的id。但这对我来说真的很奇怪！

Answer 1

正如我提到的，必须与张量的id有关。所以我以这种方式编辑了my_func：

go tool pprof

因此，因为我们已经将y2的id设置为x的相同，所以它起作用了。但是，如果y2修改x的形状，则可以具有（y2-y1）的tf.reducde_mean！这是保持输出张量的id的一种非常不寻常的方法，但是如果您知道我们如何访问张量id，我将非常感激。例如，您可以使用print（[y2]）检查张量ID！

由于张量ID将numpy数组转换为张量时出现奇怪的错误

1 个答案: