Tensorflow中占位符的形状

Question

我使用Tensorflow的时间很短。这是我的问题:我加载AlexNet权重来对其进行微调，所以我给出了大小为50的批量。所以我定义了：

# Graph input
x = tf.placeholder(tf.float32, [50, 227, 227, 3])
y = tf.placeholder(tf.float32, [None, 40])

我给出了一批50个图像，并希望获得40个输出类。

然后我定义了我的模型

class Model:
@staticmethod 
def alexnet(_X, _dropout):
    # Layer 1 (conv-relu-pool-lrn)
    conv1 = conv(_X, 11, 11, 96, 4, 4, padding='VALID', name='conv1')
    conv1 = max_pool(conv1, 3, 3, 2, 2, padding='VALID', name='pool1')
    norm1 = lrn(conv1, 2, 2e-05, 0.75, name='norm1')
    # Layer 2 (conv-relu-pool-lrn)
    conv2 = conv(norm1, 5, 5, 256, 1, 1, group=2, name='conv2')
    conv2 = max_pool(conv2, 3, 3, 2, 2, padding='VALID', name='pool2')
    norm2 = lrn(conv2, 2, 2e-05, 0.75, name='norm2')
    # Layer 3 (conv-relu)
    conv3 = conv(norm2, 3, 3, 384, 1, 1, name='conv3')
    # Layer 4 (conv-relu)
    conv4 = conv(conv3, 3, 3, 384, 1, 1, group=2, name='conv4')
    # Layer 5 (conv-relu-pool)
    conv5 = conv(conv4, 3, 3, 256, 1, 1, group=2, name='conv5')
    pool5 = max_pool(conv5, 3, 3, 2, 2, padding='VALID', name='pool5')
    # Layer 6 (fc-relu-drop)
    fc6 = tf.reshape(pool5, [-1, 6*6*256])
    fc6 = fc(fc6, 6*6*256, 4096, name='fc6')
    fc6 = dropout(fc6, _dropout)
    # Layer 7 (fc-relu-drop)
    fc7 = fc(fc6, 4096, 4096, name='fc7')
    fc7 = dropout(fc7, _dropout)
    # Layer 8 (fc-prob)
    fc8 = fc(fc7, 4096, 40, relu=False, name='fc8')
    return fc8 # fc8 and fc7 (for transfer-learning)

并创建它

keep_var = tf.placeholder(tf.float32)

# Model
pred = Model.alexnet(x, keep_var)  

我可以进行训练，它工作得很好，但是最后，我只想给出一个图像，但是x占位符和y占位符是为50个图像定义的，所以它会引发错误。下面是我在训练后只给出一张图片的代码：

    x_test = tf.placeholder(tf.float32, [1, 227, 227, 3])
    y_test = tf.placeholder(tf.float32, [None, 40])
    img = loaded_img_train[0][:][:][:] # Only one image
    label = loaded_lab_train[0][:] # Only one label
    prediction = sess.run(pred, feed_dict={x_test: [img],     y_test: [label], keep_var: 1.})

它引发了这个错误：

InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'Placeholder' with dtype float and shape [50,227,227,3]
 [[Node: Placeholder = Placeholder[dtype=DT_FLOAT, shape=[50,227,227,3], _device="/job:localhost/replica:0/task:0/cpu:0"]()]]

我不知道如何输入我想要的大小。

我的练习直接受到cnn的花朵识别的启发。

非常感谢你的帮助！纪劳姆

Answer 1

不是将形状的第一个尺寸设置为固定大小，而是可以通过设置无而不是数字来为形状的第一个尺寸使用可变大小。Tensorflow能够通过输入大小和形状的其他维度的固定大小来计算批量大小。

对于占位符y，您已将其更正为：

y = tf.placeholder(tf.float32, [None, 40])

对于占位符x，您必须设置：

x = tf.placeholder(tf.float32, [None, 227, 227, 3])