张量流 tf.expand_dims 错误答案

【问题标题】：tensorfow tf.expand_dims Error张量流 tf.expand_dims 错误
【发布时间】：2017-08-04 18:59:31
【问题描述】：

我是 tensorflow 的初学者，我使用 tf.expand_dims 时出现错误，我无法理解原因，那么我错过了什么？

这是代码

ML_OUTPUT = None
input_for_classification = None
def ConstructML( input_tensor, layers_count, node_for_each_layer):
    global   ML_OUTPUT 
    global input_for_classification 
    FeatureVector = np.array(input_tensor)
    FeatureVector = FeatureVector.flatten()
    print(FeatureVector.shape)                           
    ML_ModelINT(FeatureVector, layers_count, node_for_each_layer)

def ML_ModelINT(FeatureVector, layers_count, node_for_each_layer):
        hidden_layer = []
        Alloutputs = []
        hidden_layer.append({'weights': tf.Variable(tf.random_normal([FeatureVector.shape[0], node_for_each_layer[0]])),'biases': tf.Variable(tf.random_normal([node_for_each_layer[0]]))})
        for i in range(1, layers_count):
            hidden_layer.append({'weights': tf.Variable(tf.random_normal([node_for_each_layer[i - 1], node_for_each_layer[i]])),'biases': tf.Variable(tf.random_normal([node_for_each_layer[i]]))})
        FeatureVector = tf.expand_dims(FeatureVector,0)
        layers_output = tf.add(tf.matmul(FeatureVector, hidden_layer[0]['weights']), hidden_layer[0]['biases'])
        layers_output = tf.nn.relu(layers_output)
        Alloutputs.append(layers_output)
        for j in range(1, layers_count):
            layers_output = tf.add(tf.matmul(layers_output, hidden_layer[j]['weights']), hidden_layer[j]['biases'])
            layers_output = tf.nn.relu(layers_output)
            Alloutputs.append(layers_output)
        ML_OUTPUT = layers_output  
        input_for_classification = Alloutputs[1]             
        return ML_OUTPUT

 ML_Net = ConstructML(input,3,[1024,512,256])

它在这一行给我错误

    FeatureVector = tf.expand_dims(FeatureVector,0)

错误是Expected binary or unicode string, got tf.Tensor 'Relu_11:0' shape=(?, 7, 7, 512) dtype=float32

注意输入是另一个网络的输出张量，效果很好

【问题讨论】：

你的类型有些奇怪，我认为......在函数 ConstructML 中，FeatureVector 是一个 numpy 数组。然后将其传递给 ModelINT，并对其运行 tf 张量运算，而无需对其进行转换...

标签： tensorflow conv-neural-network

【解决方案1】：

Okey，numpy 部分是错误的，因为当第一次调用 predection 函数时，它还没有 input_imgs 的提要，并且 numpy 代码将无法正确执行，并且我用 tensorflow ops 替换它，现在可以使用了。

【讨论】：