类型错误：传递给参数“输入”的值的数据类型 float64 不在允许值列表中：float16、bfloat16、float32

Question

我已经阅读了许多与我类似的问题，但所有这些问题都与我的不同。

for itr in xrange(MAX_ITERATION):
            train_images, train_annotations = train_dataset_reader.next_batch(batch_size)

#            train_images=tf.image.convert_image_dtype(train_images,np.float32) 
#            train_annotations=tf.image.convert_image_dtype(train_annotations,np.float32) 
#            print(train_images_.get_shape(),train_annotations_.get_shape())
#            train_images=tf.cast(train_images,tf.float32)   
#            train_images = tf.to_float(train_images)
#            train_annotations = tf.to_float(train_annotations)
            #train_images, train_annotations = py_func(selftrans, [train_images_, train_annotations_], [tf.float32], grad=None)
            print(train_images.dtype)
#            train_annotations=tf.cast(train_annotations,tf.float32)
#            train_images,train_annotations = sess.run([train_images,train_annotations])
#            train_images = train_images.astype('float32')
#            train_annotations = train_annotations.astype('float32')
#            print(train_annotations.dtype)
            feed_dict = {image: train_images, annotation: train_annotations, keep_probability: 1}

            sess.run(train_op, feed_dict=feed_dict)

问题是：我使用自己的数据（血管分割，属于两分类问题）后，使用next_batch读取的数据是float64，而feed_dict()需要float32。通常，tf.cast or tf.tp_float 之类的代码可用于将我的数据转换为 float32。但是，使用这些转换代码后，我发现错误变为 TypeError: The value of a feed cannot be a tf.Tensor object。可接受的提要值包括 Python 标量、字符串、列表、numpy ndarray 或 TensorHandles。 最后，我尝试使用 sess.run 来偏移它的 tf.Tensor 形式。 Erorr 更改为原来的，这意味着我的数据被转换回 float64。 因此，似乎是一个死循环。 "不转换，float64不被接受。转换后，Tf.Tensor也不会被接受。使用sess来偏移tf.Tensor形式运行，数据将同时转换回float64“我该如何解决这个问题？我期待您的回复！类似的问题在这里， TensorFlow TypeError: Value passed to parameter input has DataType uint8 not in list of allowed values: float16, float32

Answer 1

我认为这是我的配置环境造成的。一旦我按照告诉（enter link description here）安装了我的环境，代码就变得可行了。