ValueError：无法为张量 u'InputData/X:0' 提供形状 (64, 32, 32) 的值，其形状为 '(?, 32, 32, 1)'答案

【问题标题】：ValueError: Cannot feed value of shape (64, 32, 32) for Tensor u'InputData/X:0', which has shape '(?, 32, 32, 1)'ValueError：无法为张量 u'InputData/X:0' 提供形状 (64, 32, 32) 的值，其形状为 '(?, 32, 32, 1)'
【发布时间】：2017-05-14 14:53:06
【问题描述】：

我正在尝试使用 tflearn 和我自己的数据来训练模型。

我有 19748 张灰度图像，我想使用我的模型对其进行训练。我使用 tflearn 的 Image_Preloader 方法来输入图像。并且所有图像都转换为 32*32 大小。但是，当我开始训练过程时，我收到此错误“ValueError：无法为 Tensor u'InputData/X:0' 提供形状 (64, 32, 32) 的值，其形状为 '(?, 32, 32, 1) '"

我已经尝试了我所知道的一切，但我无法解决它，并且在 stackoverflow 中有类似类型的问题，但它们对我不起作用。

这是我的代码。

from __future__ import division, print_function, absolute_import


import tflearn
import pickle
from tflearn.layers.core import input_data, dropout, fully_connected
from tflearn.layers.conv import conv_2d, max_pool_2d
from tflearn.layers.normalization import local_response_normalization
from tflearn.layers.estimator import regression
from time import gmtime, strftime
from tflearn.data_utils import image_preloader
import numpy as np


dataset_file = 'noww.txt'



X = np.zeros((19748,32,32,1))
Y = np.zeros((19748,10))

X, Y = image_preloader(dataset_file, image_shape=(32, 32),   mode='file', categorical_labels=True,   normalize=True)


network = input_data(shape=[None, 32, 32, 1])


network = conv_2d(network, 64, 3, activation='relu')
network = conv_2d(network, 64, 3, activation='relu')
network = max_pool_2d(network, 2, strides=2)

network = conv_2d(network, 128, 3, activation='relu')
network = conv_2d(network, 128, 3, activation='relu')
network = max_pool_2d(network, 2, strides=2)

network = conv_2d(network, 256, 3, activation='relu')
network = conv_2d(network, 256, 3, activation='relu')
network = conv_2d(network, 256, 3, activation='relu')
network = max_pool_2d(network, 2, strides=2)

network = fully_connected(network, 1024, activation='relu')
network = dropout(network, 0.5)
network = fully_connected(network, 1024, activation='relu')
network = dropout(network, 0.5)
network = fully_connected(network, 10, activation='softmax')
network = regression(network, optimizer='rmsprop',
                     loss='categorical_crossentropy',
                     learning_rate=0.0001)


model = tflearn.DNN(network, checkpoint_path='model_1',
                    max_checkpoints=1, tensorboard_verbose=0)
model.fit(X, Y, n_epoch=200, shuffle=True,
          show_metric=True, batch_size=64, snapshot_step=200,
          snapshot_epoch=False, run_id='model_1')

请帮忙。

【问题讨论】：

标签： python-2.7 tensorflow tflearn

【解决方案1】：

错误说Tensorflow不能把一个形状为[64,32,32]的Tensor放到另一个形状为[?,32,32,1]的Tensor中，这里?表示batch size。

您的模型无法将您的批次数据输入到 X 变量中，因为它们的形状不同，您应该更改您的 X 形状。

更改此行X, Y = image_preloader(dataset_file, image_shape=(32, 32), mode='file', categorical_labels=True, normalize=True)

到

X, Y = image_preloader(dataset_file, image_shape=(None, 32, 32, 1), mode='file', categorical_labels=True, normalize=True)

希望有用。

【讨论】：