Tensorflow ValueError：使用带有图像的序列设置数组元素

Question

我浏览了许多论坛站点，试图找出解决方案，但找不到。

我正在尝试将 Tensorflow（Python 3，Win 10 64 位）与我自己的一组图像一起使用。当我运行它时，我得到一个 ValueError。具体来说：

Traceback (most recent call last):
  File "B:\Josh\Programming\Python\imgpredict\predict.py", line 62, in <module>
    sess.run(train_step, feed_dict={imgs:batchX, lbls: batchY})
  File "C:\Users\Josh\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\client\session.py", line 789, in run
    run_metadata_ptr)
  File "C:\Users\Josh\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\client\session.py", line 968, in _run
    np_val = np.asarray(subfeed_val, dtype=subfeed_dtype)
  File "C:\Users\Josh\AppData\Local\Programs\Python\Python36\lib\site-packages\numpy\core\numeric.py", line 531, in asarray
    return array(a, dtype, copy=False, order=order)
ValueError: setting an array element with a sequence.

我的代码是：

import tensorflow as tf
import numpy as np
import os
import sys
import cv2


content = [] # Where images are stored
labels_list = []


########## File opening function
with open("data/cats/files.txt") as ff:
    for line in ff:
        line = line.rstrip()
        content.append(line)
#################################

########## Labels opening function
with open("data/cats/labels.txt") as fff:
    for linee in fff:
        linee = linee.rstrip()
        labels_list.append(linee)
    labels_list = np.array(labels_list)
###############################


def create_batches(batch_size):
    images1 = []
    for img1 in content:
        thedata = cv2.imread(img1)
        thedata = tf.contrib.layers.flatten(thedata)
        images1.append(thedata)
    images1 = np.asarray(images1)

    images1 = np.array(images1)

    while(True):
        for i in range(0,298,10):
            yield(images1[i:i+batch_size],labels_list[i:i+batch_size])


imgs = tf.placeholder(dtype=tf.float32,shape=[None,262144])
lbls = tf.placeholder(dtype=tf.float32,shape=[None,10])

W = tf.Variable(tf.zeros([262144,10]))
b = tf.Variable(tf.zeros([10]))

y_ = tf.nn.softmax(tf.matmul(imgs,W) + b)

cross_entropy = tf.reduce_mean(-tf.reduce_sum(lbls * tf.log(y_),reduction_indices=[1]))
train_step = tf.train.GradientDescentOptimizer(0.05).minimize(cross_entropy)

sess = tf.InteractiveSession()
tf.global_variables_initializer().run()
for i in range(10000):#########################################
    for (batchX,batchY) in create_batches(10):
        for inn, imgs in enumerate(batchX):
            batchX[inn] = imgs.eval()
        sess.run(train_step, feed_dict={imgs:batchX, lbls: batchY})

correct_prediction = tf.equal(tf.argmax(y_,1),tf.argmax(lbls,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction,tf.float32))

print(sess.run(accuracy, feed_dict={imgs:content, lbls:labels_list}))

我不知道错误是来自我的图片还是我的标签。我从其他 SO 问题、Reddit、Google Plus、GitHub 问题等中尝试了很多建议，但无济于事。我的项目的 GitHub 链接是：https://github.com/supamonkey2000/jm-uofa

项目文件夹为“imgpredict”

任何帮助表示赞赏。提前致谢

Answer 1

在这种情况下，我认为您看到此错误是因为您在运行训练时将 tensorflow 对象传递给 feed_dict。由于您使用的扁平化方法，它可能是一个 tensorflow 对象：

thedata = tf.contrib.layers.flatten(thedata)

这将返回一个扁平的张量（更多信息在docs），由于某种原因没有被正确评估。

按照answer 解决此问题，您需要为 feed dict 提供一个 numpy 数组。你可以试试：

thedata.flatten()

这会将数组展平为向量。我试过了，它至少摆脱了错误。

除此之外，就像Ofer Sadan 指出的那样，您的方法存在一些基本问题。对我来说最明显的一个是您正在将权重矩阵初始化为图像大小（512 x 512 = 262144），但是由于您正在加载 3 通道图像（RGB 彩色图像），您最终会得到一个三倍于该大小的扁平数组（512 x 512 x 3 个通道 = 786432）所以无论如何训练都会失败。如果颜色对您的训练数据不重要，请尝试转换为灰度 (thedata = cv2.cvtColor(thedata, cv2.COLOR_BGR2GRAY)。

Answer 2

对于这不是对错误的完整答案，我深表歉意，但我发现您的代码有很多问题可能会生成它。

首先，使用create_batches 函数。您使用images1 的列表，thedata 的张量，将所有这些张量附加到列表中，然后将该列表转换为 numpy 数组。这是非常糟糕的做法。

那里的第二个问题 - 它应该是yield 图像和标签，但标签根本没有在该函数中处理并且来自全局值。因此，我认为没有理由假设您这样做时它们甚至与图像匹配：

yield(images1[i:i+batch_size],labels_list[i:i+batch_size])

毕竟，您的batchX 似乎是一个张量列表，因此您再次将它们中的每一个转换为一个数组（使用imgs.eval()）。毕竟，上帝只知道现在数组的实际形状是什么，而错误本身通常表明 batchX 不是要从列表转换为数组的正确“矩形”形状（例如如果其中一个元素是特定长度的数组，而其他元素是不同长度的数组）。

我的建议，重写你的函数，简化它，不要在其中使用张量，也不要在其中使用普通列表。它应该返回一个简单的 numpy 数组，其形状适合 sess.run(train_step, feed_dict={imgs:batchX, lbls: batchY})