循环张量时出现错误“太多值无法解包”；无法使用 tf.train.batch

Question

当我初始化我的神经网络时：

print('Checking the Training on a Single Batch...')
with tf.Session() as sess:
    # Initializing the variables
    sess.run(tf.global_variables_initializer())

    # Training cycle
    for epoch in range(epochs):
        batch_i = 1
        for batch_features, batch_labels in (input_data, input_labels):
            train_neural_network(sess, optimizer, keep_probability, batch_features, batch_labels)
        print('Epoch {:>2}, Batch {}:  '.format(epoch + 1, batch_i), end='')
        print_stats(sess, batch_features, batch_labels, cost, accuracy)

我在 For 循环中得到 ValueError: too many values to unpack (expected 2)。

我想可能是因为我没有创建批次，所以我创建了：

tf.train.batch([input_data, input_labels], batch_size, num_threads=1, capacity=32)

但我得到错误：

TypeError: Cannot convert a list containing a tensor of dtype <dtype: 'uint8'> to <dtype: 'float32'> (Tensor is: <tf.Tensor 'stack_16495:0' shape=(280, 440, 3) dtype=uint8>)

input_data / input_labels 都是使用tf.stack 创建的数组张量列表。

Answer 1

ValueError:声明引起的

for batch_features, batch_labels in (input_data, input_labels):

你需要

for batch_features, batch_labels in zip(input_data, input_labels):

相反。 (input_data, input_labels) 产生包含两个元素的元组 - input_data 和 input_labels。 zip 使用来自 input_data 和 input_labels 的元素创建 tuples 的 list。
带代码的小例子

a = [1,2,3]
b = ['a', 'b', 'c']
c = (a, b)
d = zip(a, b)
c
Out[16]: ([1, 2, 3], ['a', 'b', 'c'])
d
Out[17]: [(1, 'a'), (2, 'b'), (3, 'c')]