Tensorflow中佔位符的形狀

我在短時間內使用Tensorflow。這裏是我的問題：我加載AlexNet權做就可以了微調，所以我給大小50 的一批所以我定義：Tensorflow中佔位符的形狀

# Graph input 
x = tf.placeholder(tf.float32, [50, 227, 227, 3]) 
y = tf.placeholder(tf.float32, [None, 40])

我給一批50張影像，並希望得到40輸出類。

然後我定義我的模型

class Model: 
@staticmethod 
def alexnet(_X, _dropout): 
    # Layer 1 (conv-relu-pool-lrn) 
    conv1 = conv(_X, 11, 11, 96, 4, 4, padding='VALID', name='conv1') 
    conv1 = max_pool(conv1, 3, 3, 2, 2, padding='VALID', name='pool1') 
    norm1 = lrn(conv1, 2, 2e-05, 0.75, name='norm1') 
    # Layer 2 (conv-relu-pool-lrn) 
    conv2 = conv(norm1, 5, 5, 256, 1, 1, group=2, name='conv2') 
    conv2 = max_pool(conv2, 3, 3, 2, 2, padding='VALID', name='pool2') 
    norm2 = lrn(conv2, 2, 2e-05, 0.75, name='norm2') 
    # Layer 3 (conv-relu) 
    conv3 = conv(norm2, 3, 3, 384, 1, 1, name='conv3') 
    # Layer 4 (conv-relu) 
    conv4 = conv(conv3, 3, 3, 384, 1, 1, group=2, name='conv4') 
    # Layer 5 (conv-relu-pool) 
    conv5 = conv(conv4, 3, 3, 256, 1, 1, group=2, name='conv5') 
    pool5 = max_pool(conv5, 3, 3, 2, 2, padding='VALID', name='pool5') 
    # Layer 6 (fc-relu-drop) 
    fc6 = tf.reshape(pool5, [-1, 6*6*256]) 
    fc6 = fc(fc6, 6*6*256, 4096, name='fc6') 
    fc6 = dropout(fc6, _dropout) 
    # Layer 7 (fc-relu-drop) 
    fc7 = fc(fc6, 4096, 4096, name='fc7') 
    fc7 = dropout(fc7, _dropout) 
    # Layer 8 (fc-prob) 
    fc8 = fc(fc7, 4096, 40, relu=False, name='fc8') 
    return fc8 # fc8 and fc7 (for transfer-learning)

，並創建

keep_var = tf.placeholder(tf.float32) 

# Model 
pred = Model.alexnet(x, keep_var)

我可以做培訓，效果很好，但到了最後，我想舉一個形象，但x佔位符和y佔位符被定義爲50個圖像，因此會引發錯誤。這裏是訓練後，我的代碼，只給出了一個形象：

x_test = tf.placeholder(tf.float32, [1, 227, 227, 3]) 
    y_test = tf.placeholder(tf.float32, [None, 40]) 
    img = loaded_img_train[0][:][:][:] # Only one image 
    label = loaded_lab_train[0][:] # Only one label 
    prediction = sess.run(pred, feed_dict={x_test: [img],  y_test: [label], keep_var: 1.})

由此引出我這個錯誤：

InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'Placeholder' with dtype float and shape [50,227,227,3] 
[[Node: Placeholder = Placeholder[dtype=DT_FLOAT, shape=[50,227,227,3], _device="/job:localhost/replica:0/task:0/cpu:0"]()]]

我不能想出如何養活輸入大小我想要的。

我的鍛鍊是直接從花識別靈感與CNN

非常感謝您的幫助！紀堯姆

來源

2017-03-05 guillaumegg10

相反形狀的第一尺寸設置爲固定大小的，則可以使用用於通過設置無而非數字可變大小的形狀的第一尺寸。 Tensorflow能夠通過輸入尺寸和形狀其他尺寸的固定尺寸來計算批量尺寸。

對於佔位符Y，你做的是正確的：

y = tf.placeholder(tf.float32, [None, 40])

對於佔位符X，你必須設置：

x = tf.placeholder(tf.float32, [None, 227, 227, 3])

來源

2017-03-05 09:45:26 user3734670

我做到了，但我得到了另一個錯誤，當我確定我的卷積層： 'bias = tf.reshape（tf.nn.bias_add（conv，biasses）， conv.get_shape（）。as_list（））' 它說：'TypeError：預期的二進制或Unicode字符串，得到None ' 它在conv.get_shap中e（）我有問題。 – guillaumegg10

轉化率被定義爲： '卷積=拉姆達I，K：tf.nn.conv2d（ I，K，[1，S_H，s_w，1]，填充=填充）與tf.variable_scope（名）作爲範圍：＃爲conv層的權重和偏差創建tf變量 kernel = make_var（'weights'，shape = [k_h，k_w，int（c_i）/ group，c_o]）biasses = make_var（'biasses' ，[c_o]） if group == 1： conv = convolve（input，kernel）' – guillaumegg10

我有點迷路我知道！我需要去練習！ – guillaumegg10

Tensorflow中佔位符的形狀

回答

相關問題