ValueError：无法为张量“Placeholder_3:0”提供形状（224、224、3）的值，其形状为“（？、224、224、3）”答案

【问题标题】：ValueError: Cannot feed value of shape (224, 224, 3) for Tensor 'Placeholder_3:0', which has shape '(?, 224, 224, 3)'ValueError：无法为张量“Placeholder_3:0”提供形状（224、224、3）的值，其形状为“（？、224、224、3）”
【发布时间】：2017-07-22 15:51:26
【问题描述】：

我是 Tensorflow 的新手，我尝试训练我的 CNN 模型以在未来对人脸进行分类。我有一个包含 56 个人的图像数据集，他们裁剪的脸是 numpy 数组，形状为 [-1,224,224,3] 和 float32 类型。当我尝试将 feed_dict 输入 tensorflow 我只是附上我的 train_X 和 train_Y 的样子，以便输入 tensorflow

我收到典型的错误 ValueError: Cannot feed value of shape (224, 224, 3) for Tensor 'Placeholder_3:0'，其形状为 '(?, 224, 224, 3)'。这似乎很容易理解，但我不知道如何修改我的代码以使其工作。

我的 TensorFlow 代码在这里

import tensorflow as tf

config = tf.ConfigProto()
config.gpu_options.allocator_type = 'BFC'
#config.gpu_options.allow_growth = True
config.gpu_options.per_process_gpu_memory_fraction = 0.6


n_classes = 56
batch_size = 1
hm_epochs = 100


#x = tf.placeholder('float', [None, 150528])
x = tf.placeholder('float', [None, 224,224,3])
y = tf.placeholder('float')


keep_rate = 0.8
keep_prob = tf.placeholder(tf.float32)

def conv2d(x, W):
    return tf.nn.conv2d(x, W, strides=[1,1,1,1], padding='SAME')

def maxpool2d(x):
    #                        size of window         movement of window
    return tf.nn.max_pool(x, ksize=[1,2,2,1], strides=[1,2,2,1], padding='SAME')


def convolutional_neural_network(x):
    weights = {'W_conv1':tf.Variable(tf.random_normal([5,5,3,32])),
               'W_conv2':tf.Variable(tf.random_normal([5,5,32,64])),
               'W_fc':tf.Variable(tf.random_normal([224*224*3,1024])),
               'out':tf.Variable(tf.random_normal([1024, n_classes]))}

    biases = {'b_conv1':tf.Variable(tf.random_normal([32])),
              'b_conv2':tf.Variable(tf.random_normal([64])),
              'b_fc':tf.Variable(tf.random_normal([1024])),
              'out':tf.Variable(tf.random_normal([n_classes]))}

    x = tf.reshape(x, shape=[-1, 224, 224, 3])
    #x = train_X

    #creating the first layer of CNN
    conv1 = tf.nn.relu(conv2d(x, weights['W_conv1']) + biases['b_conv1']) # activation function 1
    conv1 = maxpool2d(conv1)

    #creating the second layer of CNN
    conv2 = tf.nn.relu(conv2d(conv1, weights['W_conv2']) + biases['b_conv2']) # activation function 2
    conv2 = maxpool2d(conv2)

    fc = tf.reshape(conv2,[-1, 224*224*3])
    fc = tf.nn.relu(tf.matmul(fc, weights['W_fc'])+biases['b_fc'])
    fc = tf.nn.dropout(fc, keep_rate)
    output = tf.matmul(fc, weights['out'])+biases['out']

    return output



def train_neural_network(x):


    i = 0

    prediction = convolutional_neural_network(x)
    cost = tf.reduce_mean( tf.nn.softmax_cross_entropy_with_logits(logits=prediction,labels=y) )

    optimizer = tf.train.AdamOptimizer().minimize(cost)

    with tf.Session(config = config) as sess:         
        sess.run(tf.global_variables_initializer())

        for epoch in range(hm_epochs):
            epoch_loss = 0
            for _ in range(int(len(train_X)/batch_size)):
                _, c = sess.run([optimizer, cost], feed_dict={x: train_X[i:i+batch_size], y: train_y[i:i+batch_size]}) #HERE IS THE ERROR
                epoch_loss += c
                i += 100


        print('Epoch', epoch, 'completed out of',hm_epochs,'loss:',epoch_loss)



train_neural_network(x)

如果有人能够帮助我解决所有问题，我会非常高兴。提前感谢您的所有帮助。 P.S 顺便说一句，我需要以我的 GPU 不会给我 OOM 的方式对我的数据进行批处理。因为我可以更改进料方式以排除批处理，并且除了 OOM 错误之外它工作正常。有趣的故事，当我重新启动内核并再次运行它几次。发生了另一个错误 - InvalidArgumentError（请参阅上面的回溯）：reshape 的输入是具有 200704 值的张量，但请求的形状需要 150528 的倍数。200704 根本不能在这里，因为这是 224*224*4 当我只有 224*224*3

【问题讨论】：

将您的 train_X 重塑为 [-1,224,224,3] ，您输入的是单个输入，因此它应该是 [1, 224, 224, 3] 而不是 [224, 224, 3]跨度>

标签： python tensorflow convolution

【解决方案1】：

fc层的形状不正确。

#W_fc':tf.Variable(tf.random_normal([224*224*3,1024]))
W_fc':tf.Variable(tf.random_normal([56*56*64,1024]))

#fc = tf.reshape(conv2,[-1, 224*224*3])
fc = tf.reshape(conv2,[-1, 56*56*64])

当您对输入图像应用卷积和最大池化时，您会得到以下大小的特征图。

输入图像：224x224x3
|
(conv1) 224x224x32
|
（最大池）112x112x32
|
(conv2) 112x112x64
|
（最大池）56x56x64

如上所述，我已修复了您的代码，它有效。
请尝试一下。

【讨论】：