Ошибка ранга весовой матрицы Tensorflow

import tensorflow as tf
import numpy as np
import os
from PIL import Image
cur_dir = os.getcwd()

def modify_image(image):
   resized = tf.image.resize_images(image, 180, 180, 1)
   resized.set_shape([180,180,3])
   flipped_images = tf.image.flip_up_down(resized)
   return flipped_images

def read_image(filename_queue):
   reader = tf.WholeFileReader()
   key,value = reader.read(filename_queue)
   image = tf.image.decode_jpeg(value)
   return key,image

def inputs():
   filenames = ['standard_1.jpg', 'standard_2.jpg' ]
   filename_queue = tf.train.string_input_producer(filenames)
   filename,read_input = read_image(filename_queue)
   reshaped_image = modify_image(read_input)
   reshaped_image = tf.cast(reshaped_image, tf.float32)
   label=tf.constant([1])
   return reshaped_image,label

def weight_variable(shape):
 initial = tf.truncated_normal(shape, stddev=0.1)
 return tf.Variable(initial)

def bias_variable(shape):
 initial = tf.constant(0.1, shape=shape)
 return tf.Variable(initial)

def conv2d(x, W):
 return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

def max_pool_2x2(x):
 return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
                    strides=[1, 2, 2, 1], padding='SAME')



image,label = inputs()
W_conv1=weight_variable([5,5,3,32])
b_conv1 = bias_variable([32])
h_conv1 = tf.nn.relu(conv2d(image, W_conv1) + b_conv1)
h_pool1 = max_pool_2x2(h_conv1)


W_conv2=weights_variable([5,5,32,64])
b_conv2 = bias_variable([32])
h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)
h_pool2 = max_pool_2x2(h_conv2)
W_fc1 = weight_variable([8 * 8 * 32, 512])
b_fc1 = bias_variable([512])

h_pool2_flat = tf.reshape(h_pool2, [-1, 8*8*32])
h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)
W_fc2 = weight_variable([512, 10])
b_fc2 = bias_variable([10])

y_conv=tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)

cross_entropy = -tf.reduce_sum(y_*tf.log(y_conv))   
train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)
correct_prediction = tf.equal(tf.argmax(y_conv,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) 

init = tf.initialize_all_variables()
sess = tf.Session()
sess.run(init)
tf.train.start_queue_runners(sess=sess)
for i in xrange(100):
    img,label = sess.run(image)
    print (label)
    train_step.run({img, label, 0.5})

Когда я запускаю код, я получаю ошибку,

"ValueError: ShapesTensorShape([Dimension(180),Dimension(180),Dimension(3)]) and TensorShape([Dimension(None), Dimension(None), Dimension(None), Dimension(None)]) must have the same rank"

Но веса были инициализированы, и даже тогда они отображаются как пустые тензоры. Файлы и этикетки считываются и передаются правильно. Первый сверточный слой имеет окно 5х5 с глубиной 3 и я хочу иметь 32 таких фильтра 5х5. Следовательно, форма [5,5,3,32] для W_conv1.


python python-2.7 tensorflow convolution
person Tanvir    schedule 22.02.2016    source источник

Ответы (2)


arrow_upward
2
arrow_downward

Функция inputs() возвращает тензор формы 180 x 180 x 3, но tf.nn.conv2d() ожидает четырехмерный тензор формы batch_size x height x width x num_channels.

Как предлагает etarion, вы можете сделать это, изменив форму тензора image (например, используя image = tf.expand_dims(image, 0)). Однако если вы обучаете нейронную сеть, вам, вероятно, потребуется пакетировать входные данные. Один из способов сделать это — использовать tf.train.batch(). :

image, label = inputs()

# Set batch_size to the largest value that works for your configuration.
image_batch, label_batch = tf.train.batch([image, label], batch_size=32)

...затем используйте image_batch или label_batch вместо image и label соответственно.

person mrry    schedule 22.02.2016
comment
Спасибо за быстрый ответ, я попытался использовать метод train.batch(), но безуспешно. У меня есть следующие сомнения: ПЕРВЫЙ, если метод train.batch() выводит список тензоров, то почему мы назначаем его для image_batch и label_batch отдельно. Почему мы не можем просто использовать image_batch[0 или 1] для доступа к ним соответственно. ВТОРОЕ, когда я передаю image_batch и label_batch их соответствующим заполнителям во время обучения, я получаю следующую ошибку: объект «Операция» не вызывается - person Tanvir; 26.02.2016
comment
1. Выполнение image_batch, label_batch = tf.train.batch(...) эквивалентно batches = tf.train.batch(...); image_batch = batches[0]; label_batch = batches[1]. 2. Я не уверен, что вы делаете здесь, чтобы получить эту ошибку - вам может потребоваться задать другой вопрос (однако вы не сможете передать image_batch или label_batch как значения фида потому что они являются символическими тензорами; прямо сейчас поддерживается только передача конкретных значений, таких как массивы NumPy. Вместо этого вы должны использовать image_batch и label_batch в качестве аргументов для операций напрямую, без использования заполнителя). - person mrry; 29.02.2016
comment
Я сделал отдельный вопрос. Не могли бы вы проверить это? stackoverflow.com/ вопросы/35691099/ @мрри - person Tanvir; 29.02.2016

arrow_upward
0
arrow_downward

Похоже, что входные данные возвращают трехмерный тензор, в то время как conv2d ожидает четырехмерный (первое измерение — пакетный идентификатор) — если вы просто хотите запустить одно изображение, вы должны сначала изменить его форму на [1,180,180,3].

person etarion    schedule 22.02.2016