9
import tensorflow as tf
import numpy as np
import os
from PIL import Image
cur_dir = os.getcwd()
def modify_image(image):
#resized = tf.image.resize_images(image, 180, 180, 3)
image.set_shape([32,32,3])
flipped_images = tf.image.flip_up_down(image)
return flipped_images
def read_image(filename_queue):
reader = tf.WholeFileReader()
key,value = reader.read(filename_queue)
image = tf.image.decode_jpeg(value)
return key,image
def inputs():
filenames = ['standard_1.jpg', 'standard_2.jpg' ]
filename_queue = tf.train.string_input_producer(filenames)
filename,read_input = read_image(filename_queue)
reshaped_image = modify_image(read_input)
reshaped_image = tf.cast(reshaped_image, tf.float32)
label=tf.constant([1])
return reshaped_image,label
def weight_variable(shape):
initial = tf.truncated_normal(shape, stddev=0.1)
return tf.Variable(initial)
def bias_variable(shape):
initial = tf.constant(0.1, shape=shape)
return tf.Variable(initial)
def conv2d(x, W):
return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')
def max_pool_2x2(x):
return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
strides=[1, 2, 2, 1], padding='SAME')
x = tf.placeholder(tf.float32, shape=[None,32,32,3])
y_ = tf.placeholder(tf.float32, shape=[None, 1])
image,label=inputs()
image=tf.reshape(image,[-1,32,32,3])
label=tf.reshape(label,[-1,1])
image_batch=tf.train.batch([image],batch_size=2)
label_batch=tf.train.batch([label],batch_size=2)
W_conv1 = weight_variable([5, 5, 3, 32])
b_conv1 = bias_variable([32])
image_4d=x_image = tf.reshape(image, [-1,32,32,3])
h_conv1 = tf.nn.relu(conv2d(image_4d, W_conv1) + b_conv1)
h_pool1 = max_pool_2x2(h_conv1)
W_conv2 = weight_variable([5, 5, 32, 64])
b_conv2 = bias_variable([64])
h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)
h_pool2 = max_pool_2x2(h_conv2)
W_fc1 = weight_variable([8 * 8 * 64, 1024])
b_fc1 = bias_variable([1024])
h_pool2_flat = tf.reshape(h_pool2, [-1, 8*8*64])
h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)
keep_prob = tf.placeholder(tf.float32)
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)
W_fc2 = weight_variable([1024, 2])
b_fc2 = bias_variable([2])
y_conv=tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)
cross_entropy= -tf.reduce_sum(tf.cast(image_batch[1],tf.float32)*tf.log(y_conv))
train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)
init = tf.initialize_all_variables()
sess = tf.Session()
sess.run(init)
for i in range(20000):
sess.run(train_step,feed_dict={x:image_batch[0:1],y_:label_batch[0:1]})
मैं [32x32x3] छवियों के आयाम के अपने ही छवियों पर tensorflow convolutional मॉडल को चलाने के लिए कोशिश कर रहा हूँ। छवियों को ठीक से पढ़ा जा रहा है और प्रशिक्षण के दौरान प्लेसहोल्डर को सौंपा जा रहा है। Train_step op चलाने के दौरान समस्या उत्पन्न होती है। जब मैं ग्राफ निष्पादित करता हूं तो मुझे निम्न त्रुटि मिलती है।Tensorflow त्रुटि "आकार Tensorshape() रैंक 1 होना चाहिए"
TensorShape([Dimension(2), Dimension(1), Dimension(32), Dimension(32), Dimension(3)]) must have rank 1
लेकिन जब मैं उदाहरण here देखते हैं, छवियों [batch_size, ऊंचाई, चौड़ाई, गहराई] केवल tensors के रूप में कर रहे हैं। और यह उदाहरण ठीक काम करता है। क्या मुझे कुछ याद आ रही है?
यह सवाल अभी भी उपयोगी होने के लिए प्रबंधन करता है, लेकिन होता है * रास्ता * अधिक कोड से समस्या का प्रदर्शन करने के लिए आवश्यक है - और यह अब सिर्फ विफल रही है टुकड़ा करने की क्रिया आपरेशन करने के लिए इसे नीचे ट्रिम करने के लिए मुश्किल है क्योंकि जवाब पतों की अन्य बिट्स प्रश्न के लिए अप्रासंगिक पोस्ट कोड पूछा गया। अगली बार अपने कोड को कम से कम उदाहरण पर ट्रिम करें; इसे पुनरुत्पादित करने के लिए 8 लाइनों की आवश्यकता नहीं थी, अकेले 80 चलो। –