Can not convert a list into a Tensor or Operation 的错误

Question

在运行tensorflow program时，我一直有以下错误消息，其中主要部分类似于TypeError: Fetch argument[....]has invalid type <class 'list'>, must be a string or Tensor. (Can not convert a list into a Tensor or Operation.)直接导致此错误的相关代码段是_, loss, lr, gradients = sess.run((self.optimizer, self.net.cost, self.learning_rate_node, self.net.gradients_node), feed_dict={self.net.x: batch_x,self.net.y: util.crop_to_shape(batch_y,pred_shape), self.net.keep_prob: dropout})

我只是对导致这个错误信息的原因感到困惑，因为它可以被作者成功运行，如github帖子所示。

总的错误信息如下：

`Traceback（最近一次调用最后一次）：
_process_fetches
中的文件“/develop/tfw/lib/python3.4/site-packages/tensorflow/python/client/session.py”，第 480 行 允许操作=真）
文件“/develop/tfw/lib/python3.4/site-packages/tensorflow/python/framework/ops.py”，第 2301 行，在 as_graph_element
% (type(obj).name, types_str))
TypeError：无法将列表转换为张量或操作。

在处理上述异常的过程中，又发生了一个异常：

Traceback（最近一次调用最后一次）： 文件“test.py”，第 30 行，在 路径 = trainer.train（生成器，“./unet_trained”，training_iters=20，epochs=100，display_step=2） 文件“/home/user/test/u-net/ver3/unet.py”，第 364 行，在火车中 self.net.keep_prob: 辍学}) 运行中的文件“/develop/tfw/lib/python3.4/site-packages/tensorflow/python/client/session.py”，第 340 行 run_metadata_ptr) _run 中的文件“/develop/tfw/lib/python3.4/site-packages/tensorflow/python/client/session.py”，第 523 行 processes_fetches = self._process_fetches(fetches) _process_fetches 中的文件“/develop/tfw/lib/python3.4/site-packages/tensorflow/python/client/session.py”，第 493 行 % (subfetch, fetch, type(subfetch), str(e))) TypeError: Fetch argument [, , , , , , , , , , , , , , , , , , , ] of [, , , , , , , , , , , , , , , , , , ] 的类型无效，必须是字符串或张量。 （不能将列表转换为张量或操作。） `

Answer 1

如果您使用 Tensorflow 版本 r0.9 或之前的版本，Session.run 不会在 fetches 参数中接受任意嵌套的列表或元组。所以元组中的 self.net.gradients_node （张量列表）会导致您的 TypeError。这段代码应该在 TensorFlow r0.10 中工作。 如果您更喜欢留在 r0.9，请修改以下行：

_, loss, lr, gradients = sess.run((self.optimizer, self.net.cost, self.learning_rate_node, self.net.gradients_node), feed_dict={self.net.x: batch_x,self.net.y: util.crop_to_shape(batch_y,pred_shape), self.net.keep_prob: dropout})

到

list_of_outputs = sess.run([self.optimizer, self.net.cost, self.learning_rate_node]+ self.net.gradients_node, feed_dict={self.net.x: batch_x,self.net.y: util.crop_to_shape(batch_y,pred_shape), self.net.keep_prob: dropout})
loss = list_of_outputs[1]
lr = list_of_outputs[2]
gradients = list_of_outputs[2:]

或（使用 Python 3.*）

_,loss,lr,*gradients = sess.run([self.optimizer, self.net.cost, self.learning_rate_node]+ self.net.gradients_node, feed_dict={self.net.x: batch_x,self.net.y: util.crop_to_shape(batch_y,pred_shape), self.net.keep_prob: dropout})

这应该可以工作