我正在用TensorFlow创建CNN函数，但我得到了一个与形状相关的错误

Question

我用Tensorflow尝试了卷积神经网络。

但是，形状会导致错误。

第一个是main函数的一部分。

while True:
        with mss.mss() as sct:
                Game_Scr = np.array(sct.grab(Game_Scr_pos))[:,:,:3]

                cv2.imshow('Game_Src', Game_Scr)
                cv2.waitKey(0)

                Game_Scr = cv2.resize(Game_Scr, dsize=(960, 540), interpolation=cv2.INTER_AREA)
                print(Game_Scr.shape)

                print(Convolution(Game_Scr))

第二个是我调用的函数。

def Convolution(img):
        kernel = tf.Variable(tf.truncated_normal(shape=[4], stddev=0.1))
        sess = tf.Session()
        with tf.Session() as sess:
                img = img.astype('float32')
                Bias1 = tf.Variable(tf.truncated_normal(shape=[4],stddev=0.1))
                conv2d = tf.nn.conv2d(img, kernel, strides=[1, 1, 1, 1], padding='SAME')# + Bias1
                conv2d = sess.run(conv2d)
        return conv2d

ValueError:形状的等级必须为4，但对于输入形状为540,960,3，4的'Conv2D‘(op：'Conv2D')，形状的等级为3。

我试着改变形状很多次，但我得到相同的错误。

Answer 1

根据官方文档here，输入张量的形状应该是[batch, in_height, in_width, in_channels]，而滤波器/核张量的形状应该是[filter_height, filter_width, in_channels, out_channels]。

尝试将您的Convolution函数更改为如下所示：

def Convolution(img):
        kernel = tf.Variable(tf.truncated_normal(shape=[200, 200, 3, 3], stddev=0.1))
        sess = tf.Session()
        with tf.Session() as sess:
            sess.run(tf.global_variables_initializer())
            img = img.astype('float32')
            conv2d = tf.nn.conv2d(np.expand_dims(img, 0), kernel, strides=[1, 1, 1, 1], padding='SAME')# + Bias1
            conv2d = sess.run(conv2d)
        return conv2d

Answer 2

尝试替换

img = img.astype('float32')

使用

img = tf.expand_dims(img.astype('float32'), 0)

tf.nn.conv2d输入的维数应为4，(batch_size，image_hight，image_with，image_channels)。如果缺少batch_size，tf.expand_dims只需添加该维度( batch_size为1，因为您只有一张图像)。