TensorFlow 训练图片答案

【问题标题】：Training pictures by TensorFlowTensorFlow 训练图片
【发布时间】：2017-08-21 04:19:26
【问题描述】：

我最近在学习 TensorFlow，想将我的图片导入 TensorFlow 进行训练，但我遇到了一个问题。下面是我的代码

import tensorflow as tf

tf.device(0)

def read_and_decode(filename):
    filename_queue = tf.train.string_input_producer([filename])
    reader = tf.TFRecordReader()
    _, serialized_example = reader.read(filename_queue)
    features = tf.parse_single_example(
            serialized_example,
            features={
                'label': tf.FixedLenFeature([], tf.int64),
                'img_raw': tf.FixedLenFeature([], tf.string),
            })
    img = tf.decode_raw(features['img_raw'], tf.uint8)
    img = tf.reshape(img, [100, 100, 3])
    img = tf.cast(img, tf.float32) * (1. / 255) - 0.5
    lbl = tf.cast(features['label'], tf.int32)
    return img, lbl

image, label = read_and_decode('/Users/Cody/PycharmProjects/TensorFlowStartUp/train.tfrecords')
img_batch, label_batch = tf.train.shuffle_batch([image, label],
                                                batch_size=5, capacity=5,
                                                min_after_dequeue=2)

x = tf.placeholder(tf.float32, [None, 30000])
y_actual = tf.placeholder(tf.float32, shape=[None, 8])
W = tf.Variable(tf.zeros([30000,8]))
b = tf.Variable(tf.zeros([8]))
y_predict = tf.nn.softmax(tf.matmul(x,W) + b)
cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_actual*tf.log(y_predict),reduction_indices=1))
train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)

correct_prediction = tf.equal(tf.argmax(y_predict,1), tf.argmax(y_actual,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))

init = tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)
    for i in range(100):
        batch_xs = image
        batch_ys = label
        sess.run(train_step, feed_dict={x: batch_xs, y_actual: batch_ys})
        if(i%10==0):
            print "accuracy:",sess.run(accuracy, feed_dict={x: image, y_actual: label})

当我运行代码时，我得到如下错误消息：

Traceback（最近一次调用最后一次）：文件 “/home/hadoop/PycharmProjects/TensorFlow/Test.py”，第 43 行，在 sess.run(train_step, feed_dict={x: batch_xs, y_actual: batch_ys}) 文件 "/usr/local/lib/python2.7/dist-packages/tensorflow/python/client/session.py", 第 767 行，运行中 run_metadata_ptr）文件“/usr/local/lib/python2.7/dist-packages/tensorflow/python/client/session.py”，第 925 行，在 _run raise TypeError('feed 的值不能是 tf.Tensor 对象。' TypeError: feed 的值不能是 tf.Tensor 对象。可接受的提要值包括 Python 标量、字符串、列表或 numpy ndarrays。

我不知道如何正确编写代码。

x = tf.placeholder(tf.float32, [None, 30000])
y_actual = tf.placeholder(tf.float32, shape=[None, 8])
W = tf.Variable(tf.zeros([30000,8]))
b = tf.Variable(tf.zeros([8]))

对于 x, y_actual, W, b 我应该针对我的情况输入什么？

非常感谢您的帮助

【问题讨论】：

您应该直接使用label 和image，而不是创建占位符，因为它们是张量值。
您能告诉我如何编辑我的代码以使其运行吗？我不知道如何编辑代码，因为我只是按照文档去做

标签： python tensorflow

【解决方案1】：

你的image 和label变量是张量
您不能在 Feed 中提供张量值
您的提要必须是常规的 Python 数据结构，例如 numpy 数组、int 等。
您正在使用图像，因此 image 变量必须是您在输入张量 x = tf.placeholder(tf.float32, [None, 30000]) 中定义的形状为 [None, 3000] 的 numpy 数组。
您的label 变量也必须是一个形状为[None, 8] 的numpy 数组，您已在输入张量x = tf.placeholder(tf.float32, [None, 8]) 中定义了该数组
在你的代码中你想让你的image变量从张量变成一个numpy数组所以试试这个：batch_xs = sess.run(image) - 你还想把你的 label 变量从张量变成一个 numpy 数组，所以试试这个：batch_ys = sess.run(label)

【讨论】：