Python - Tensor Flow Error，Tensor必须来自同一个图形

Posted 2021-03-31

我有一个在我的data_split文件中定义的conv_net函数，

def conv_net(X, weights, biases, dropout):
    X = tf.reshape(X, shape=[-1, HEIGHT, WIDTH, NETWORK_DEPTH])
#error occurs on the below line - while calling the function in debugging mode
    conv1 = conv2d('conv1', X, weights['conv_weight1'], biases['conv_bias1'])
    conv1 = maxpool2d('max_pool1', conv1, k=2)

    conv2 = conv2d('conv2', conv1, weights['conv_weight2'], biases['conv_bias2'])
    conv2 = maxpool2d('max_pool2', conv2, k=2)

    conv3 = conv2d('conv3', conv2, weights['conv_weight3'], biases['conv_bias3'])
    conv3 = maxpool2d('max_pool3', conv3, k=2)

    conv4 = conv2d('conv4', conv3, weights['conv_weight4'], biases['conv_bias4'])
    conv4 = maxpool2d('max_pool4', conv4, k=2)

    fc1 = tf.reshape(conv4, shape=[-1, weights['fcl_weight1'].get_shape().as_list()[0]])
    fc1 = tf.nn.relu(tf.add(tf.matmul(fc1, weights['fcl_weight1']), biases['fcl_bias1']))
    fc1 = tf.nn.dropout(fc1, dropout)

    fc2 = tf.nn.relu(tf.add(tf.matmul(fc1, weights['fcl_weight2']), biases['fcl_bias2']))
    fc2 = tf.nn.dropout(fc2, dropout)

    out = tf.add(tf.matmul(fc2, weights['out_weight']), biases['out_bias'], name='softmax')
    return out

我在另一个.py文件中调用此函数，像这样，

print("Comp2")
logits = data_split.conv_net(data_split.X, data_split.weights, data_split.biases, keep_prob)
print("Comp2.0")
prediction = tf.nn.softmax(logits)

当我运行logits行时，这给了我一个错误。

ValueError：Tensor（“conv_weight1：0”，shape =（5,5,4,16），dtype = float32_ref）必须与Tensor相同的图形（“Reshape_12：0”，shape =（？，100,100， 4），dtype = float32）。

我试图从这个question得到我的答案 - 但没有帮助。

答案

在data_split.py文件或“其他”.py文件中的某个位置，您有tf.Graph()定义。

您在图形中定义了模型，例如：

g1 = tf.Graph()
with g1.as_default():
    model = conv_net(data_split.X)

但是你传递模型的data_split.X已经被定义在g1范围之外，因此或者在“默认图形”中（你可以用tf.get_default_graph()或另一个明确定义的图形（与g1相同））。

解决方案是将输入定义和模型定义移动到同一个图形中（提示：在这种情况下，只需使用默认图形而不显式创建`tf.Graph'）。

注意：如果不共享完整代码，这是您可以获得的最佳代码。