InvalidArgumentError:重塑的输入是一个178802值的张量,但请求的形状有89401

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了InvalidArgumentError:重塑的输入是一个178802值的张量,但请求的形状有89401相关的知识,希望对你有一定的参考价值。

我遇到了另一个无效的参数错误,并且不确定这次是什么原因。

我创建了一个带有图像的TFRecord(我知道的混合扩展)的形状[299,299]。

我正在尝试批量加载图像,但我遇到了这个错误:

'InvalidArgumentError (see above for traceback): Input to reshape is a tensor with 178802 values, but the requested shape has 89401
     [[Node: Reshape = Reshape[T=DT_FLOAT, Tshape=DT_INT32, _device="/job:localhost/replica:0/task:0/cpu:0"](DecodeRaw, Reshape/shape)]]

这是我的代码:

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
import os

IMAGE_DIR =r'C:\Users\Moondra\Desktop\TF_FISH_PROJECT\FINAL_FISHES'

data_path = r'E:\TFRECORDS\normal_fish_conversion_2.tfrecords'  

with tf.Session() as sess:
    feature = {'train/image': tf.FixedLenFeature([], tf.string),
               'train/label': tf.FixedLenFeature([], tf.int64),
               'rows':  tf.FixedLenFeature([], tf.int64),
                'columns':  tf.FixedLenFeature([], tf.int64)}

    # Create a list of filenames and pass it to a queue
    filename_queue = tf.train.string_input_producer([data_path], num_epochs=1000)

    # Define a reader and read the next record
    reader = tf.TFRecordReader()
    _, serialized_example = reader.read(filename_queue)

    # Decode the record read by the reader
    features = tf.parse_single_example(serialized_example, features=feature)

    # Convert the image data from string back to the numbers
    image = tf.decode_raw(features['train/image'], tf.float32)

    # Cast label data into int32
    label = tf.cast(features['train/label'], tf.int32)

    # Reshape image data into the original shape
    image = tf.reshape(image, [299, 299])
    print(image.shape) #shape is printing out correctly


    # Creates batches by randomly shuffling tensors
    #images, labels = tf.train.shuffle_batch([image, label], batch_size=50, capacity=10000, num_threads=3, min_after_dequeue=2000)
    init_op = tf.group(tf.global_variables_initializer(), tf.local_variables_initializer())
    sess.run(init_op)
    coord = tf.train.Coordinator()
    threads = tf.train.start_queue_runners(coord=coord)

    for batch_index in range(5):
            img  = sess.run([image])
            img = img.astype(np.uint8)
            print(img.shape)





    coord.request_stop()
    coord.join(threads)
    sess.close()

我真的不确定如何调试这个..

第一个打印语句(reshaped_image.shape)打印出一个(299,299)形状,所以不确定问题是什么。

谢谢。

答案

我需要做的是将图像解码为JPEG,将其转换为浮动,扩展其尺寸,然后使用双线性插值调整大小,如下所示:

image = tf.image.decode_jpeg(features['train/image'], channels=3)
image = tf.image.convert_image_dtype(image, dtype=tf.float32)
image = tf.expand_dims(image, 0)
image = tf.image.resize_bilinear(image, [299, 299], align_corners=False)

注意:

  • 您的图像应该已经以JPEG格式存储(创建TFRecords时)。
  • 如果您的图像是灰度图像,则可以将channels设置为1,或者为TFRecords中的每个图像保存通道数,并从那里动态获取(每个图像都不同)。

以上是关于InvalidArgumentError:重塑的输入是一个178802值的张量,但请求的形状有89401的主要内容,如果未能解决你的问题,请参考以下文章

InvalidArgumentError:拟合模型时出错

InvalidArgumentError:输入必须是向量,得到形状:[]

Tensorflow 中带有 model.fit 的 InvalidArgumentError

InvalidArgumentError: input_1:0 已输入和提取

InvalidArgumentError:预期维度在 [-1, 1) 范围内,但得到 1

InvalidArgumentError:不兼容的形状:[29] 与 [29,7,7,2]