在 session.run() 中评估 tf.py_func 返回“无效类型列表”

Question

我的数据按结构排列：

data/
  good/
  bad/

每个子文件夹都包含 jpg 文件。 我正在尝试创建一个接受basepath 作为输入并构造image_op 和label_op 的输入管道。评估这些会给我一个（图像，标签）元组，例如：

image, label = session.run([image_op, label_op])

要获得给定图像的标签，我必须查看其图像路径。一种简单的解决方案是：

label = int("good" in path)

据我所知（v0.9）在 tensorflow 中不支持这种字符串操作，所以我想在上面这样的简单函数上使用 tf.py_func 包装器。但是，虽然以这种方式评估标签操作成功，但在尝试评估图像路径操作和使用图像路径操作作为同一 session.run() 中的输入的标签操作时，我会收到错误。

这是我的 python 函数和 tf 图形代码：

def get_label(path):
    return int("good" in str(path))

class DataReadingGraph:
    """
    Graph for reading images into a data queue.
    """

    def __init__(self, base_path):
        """
        Construct the queue
        :param base_path: path to base directory that contains good images and bad images
        subdirectories. They in turn can contain further subdirectories.
        :return:
        """

        # tf can't handle recursive files matching (as of version 0.9), so
        # solve that with glob and just pass globbed paths to a constant
        pattern = os.path.join(base_path, "**/*.jpg")
        filenames = tf.constant(glob.glob(pattern, recursive=True))

        filename_queue = tf.train.string_input_producer(filenames, shuffle=True)
        reader = tf.IdentityReader()
        self.key, self.value = reader.read(filename_queue)

        self.label = tf.py_func(get_label, [self.key], [tf.int64])

现在如果我跑

label = session.run(data_reading_graph.label)

一切都很好，我得到了预期的标签。但是如果我跑

key, label = session.run([data_reading_graph.key, data_reading_graph.label])

相反，我得到了

<class 'TypeError'>
Fetch argument [<tf.Tensor 'PyFunc:0' shape=<unknown> dtype=int64>] of [<tf.Tensor 'PyFunc:0' shape=<unknown> dtype=int64>] has invalid type <class 'list'>, must be a string or Tensor. (Can not convert a list into a Tensor or Operation.)

我真的不明白这里出了什么问题，什么不应该转换成列表，以及为什么我不能在同一个session.run() 中评估关键操作和标签操作。

我可以在启动 tf graph 之前尝试在纯 Python 代码中提取标签，但问题仍然存在 - 为什么我不能评估 py_func 及其在同一 session.run() 中的输入

Answer 1

tf.py_func 返回张量的列表。

你应该得到self.label = self.label[0]:

    filename_queue = tf.train.string_input_producer(filenames, shuffle=True)
    reader = tf.IdentityReader()
    self.key, self.value = reader.read(filename_queue)

    self.label = tf.py_func(get_label, [self.key], [tf.int64])[0]