【问题标题】：Input image data to tensorflow placeholder将图像数据输入到 tensorflow 占位符
【发布时间】：2019-03-29 11:39:57
【问题描述】：

我正在使用 keras.datasets.fashion_mnist 数据集，其中包含 28 x 28 灰度图像。我已经构建了一个非常简单的卷积神经网络，它接受定义为的图像占位符：

X = tf.placeholder(tf.float32, [None, 28, 28, INPUT_CHANNELS], name='X_placeholder')

我从形状为(100, 28, 28) 的<type 'numpy.ndarray'> 开始。这里的 100 代表我选择训练的批量大小。

显然，这里的维度并不一致。我建立的图表也应该适用于 RGB 图像，因此是 INPUT_CHANNEL 维度。不出所料，当我尝试训练时，出现以下错误：

ValueError: Cannot feed value of shape (100, 28, 28) for Tensor u'X_placeholder:0', which has shape '(?, 28, 28, 1)'

对于 TF 和 numpy 来说相对较新，我看不到如何添加那个额外的维度。从各种来源拼凑我的代码后，我不能说我选择了占位符输入形状[None, 28, 28, INPUT_CHANNELS]，但我想坚持使用它而不是试图解决它。

问题

如何重塑我的训练数据以匹配预期的占位符维度？

【问题讨论】：

标签： python numpy tensorflow

【解决方案1】：

在 numpy 中：

您可以使用np.newaxis、np.expand_dims和reshape()添加维度。

import numpy as np

train_data = np.random.normal(size=(100,28,28))
print(train_data.shape)

new_a = train_data[...,np.newaxis]
print(new_a.shape)
new_a = np.expand_dims(train_data,axis=-1)
print(new_a.shape)
new_a = train_data.reshape(100,28,28,1)
print(new_a.shape)

(100, 28, 28)
(100, 28, 28, 1)
(100, 28, 28, 1)
(100, 28, 28, 1)

在张量流中：

您可以使用tf.newaxis、tf.expand_dims 和tf.reshape 添加维度。

import tensorflow as tf

train_data = tf.placeholder(shape=(None,28,28),dtype=tf.float64)
print(train_data.shape)

new_a = train_data[...,tf.newaxis]
print(new_a.shape)
new_a = tf.reshape(train_data,shape=(-1,28,28,1))
print(new_a.shape)
new_a = tf.expand_dims(train_data,axis=-1)
print(new_a.shape)

(?, 28, 28)
(?, 28, 28, 1)
(?, 28, 28, 1)
(?, 28, 28, 1)

【讨论】：