TypeError：图像数据在 tf.image.per_image_standardization(x) 之后无法转换为浮点数答案

【问题标题】：TypeError: Image data cannot be converted to float after tf.image.per_image_standardization(x)TypeError：图像数据在 tf.image.per_image_standardization(x) 之后无法转换为浮点数
【发布时间】：2019-02-11 17:21:49
【问题描述】：

我在plt.imshow 收到以下错误

TypeError: Image data cannot be converted to float

对于此代码：

import keras
import tensorflow as tf
import matplotlib.pyplot as plt
mnist = keras.datasets.mnist

(train_images, train_labels), (test_images, test_labels) = mnist.load_data()

def preprocess(x):
    x = tf.image.per_image_standardization(x)
    return x

train_images = preprocess(train_images)
test_images = preprocess(test_images)

plt.figure()
plt.imshow(train_images[1])
plt.colorbar()
plt.grid(False)
plt.show()

任何想法为什么会发生这种情况？谢谢！

【问题讨论】：

标签： python tensorflow keras

【解决方案1】：

在您的脚本中，train_images 不包含实际数据，而只是占位符张量：

train_images[1]
<tf.Tensor 'strided_slice_2:0' shape=(28, 28) dtype=float32>

最简单的解决方案是在脚本顶部启用即时执行：

tf.enable_eager_execution()

这意味着在运行时，张量实际上将包含您尝试绘制的数据：

train_images[1]
<tf.Tensor: id=95, shape=(28, 28), dtype=float32, numpy=
array([[-0.4250042 , -0.4250042 , -0.4250042 , -0.4250042 , -0.4250042 ,
        -0.4250042 , -0.4250042 , -0.4250042 , -0.4250042 , -0.4250042 ,
        -0.4250042 , -0.4250042 , -0.4250042 , -0.4250042 , -0.4250042 ,
        -0.4250042 , -0.4250042 , -0.4250042 , -0.4250042 , -0.4250042 ,
        -0.4250042 , -0.4250042 , -0.4250042 , -0.4250042 , -0.4250042 ,
        -0.4250042 , -0.4250042 , -0.4250042 ], # etc

这应该可以解决您的错误。您可以在 TF 的 website 上阅读更多关于 Eager Execution 的信息。

或者，您也可以通过实际评估会话中的图像张量来制作绘图：

with tf.Session() as sess:
    img = sess.run(train_images[1])
    plt.figure()
    plt.imshow(img)
    plt.colorbar()
    plt.grid(False)
    plt.show()

【讨论】：