形状失配

Question

我使用128×128×128 ndarrays作为输入到CNN使用：

# input arrays 
    x = tf.placeholder(tf.float32, [None, 128, 128, 128, 1]) 

的每个ndarray没有colur信道数据，所以就用：

data = np.reshape(data, (128, 128, 128, 1)) 

为了得到它最初适合占位符。但现在我得到这个错误：

Traceback (most recent call last): 
    File "tfvgg.py", line 287, in <module> 
    for i in range(10000 + 1): training_step(i, i % 100 == 0, i % 20 == 0) 
    File "tfvgg.py", line 277, in training_step 
    a, c = sess.run([accuracy, cross_entropy], {x: batch_X, y: batch_Y}) 
    File "/home/entelechy/tfenv/lib/python3.5/site-packages/tensorflow/python/client/session.py", line 717, in run 
run_metadata_ptr) 
    File "/home/entelechy/tfenv/lib/python3.5/site-packages/tensorflow/python/client/session.py", line 894, in _run 
% (np_val.shape, subfeed_t.name, str(subfeed_t.get_shape()))) 
ValueError: Cannot feed value of shape (128, 128, 128, 1) for Tensor 'Placeholder:0', which has shape '(?, 128, 128, 128, 1)' 

我感到困惑的占位符的工作方式，因为我认为第一个参数是为批量大小。通过使用None，我认为占位符可以使用任意数量（128,128,128,1）的输入。因为这是一个3d网络，所以如果我将占位符更改为（128,128,128,1），则会在第一个conv3d图层上丢失参数以引发错误。

我缺少关于占位符参数传递的信息？

编辑： （train_data是列表的列表，每个为[ndarray，标号]）

这是网络的初始化：

def training_step(i, update_test_data, update_train_data): 

    for a in range(len(train_data)): 

     batch = train_data[a] 
     batch_X = batch[0] 
     batch_Y = batch[1] 

     # learning rate decay 
     max_learning_rate = 0.003 
     min_learning_rate = 0.0001 
     decay_speed = 2000.0 
     learning_rate = min_learning_rate + (max_learning_rate - min_learning_rate) * math.exp(-i/decay_speed) 

     if update_train_data: 
      a, c = sess.run([accuracy, cross_entropy], {x: batch_X, y: batch_Y}) 
      print(str(i) + ": accuracy:" + str(a) + " loss: " + str(c) + " (lr:" + str(learning_rate) + ")") 


     if update_test_data: 
      a, c = sess.run([accuracy, cross_entropy], {x: test_data[0], y: test_data[1]}) 
     print(str(i) + ": ********* epoch " + " ********* test accuracy:" + str(a) + " test loss: " + str(c)) 

     sess.run(train_step, {x: batch_X, y: batch_Y, lr: learning_rate}) 

for i in range(10000 + 1): training_step(i, i % 100 == 0, i % 20 == 0) 

Answer 1

在你最后一个问题中，你给网络一个列表带有一个图像：[image]。这就是为什么不需要数据的第一维度，重塑（128,128,128,1）就足够了。在最后一个例子中，Feeding [image]或[image1，image2，image3]工作。但是，现在您正在提供没有列表的图像：batch[0]，所以第一个维度已消失，并且不起作用。

[np.reshape(image, (128, 128, 128, 1))]具有（1，128，128，128，1）和工作

np.reshape(image, (1, 128, 128, 128, 1))具有（1，128，128，128，1）和工程太

np.reshape(image, (128, 128, 128, 1))整体形状的整体形状没有列表的整体形状（128,128,128,1）并且不起作用。

您可以将图像放回列表中或直接将其重新整形为（1,128,128,128,1）。在这两种情况下，整体形状都是正确的。但是，如果您还计划输入多个图像，则使用该列表更简单，并用（128,128,128,1）形状的图像填充它。

在现在的方式是，也可以使用batch_X = [batch[0]] 1个图像和batch_X = batch[0:4]为多个图像

Answer 2

你的占位符有等级5，所以你需要提供一个5维np数组，但是您重新变形为4维np数组。因此，请使用data = np.reshape(data, (1, 128, 128, 128, 1))而不是data = np.reshape(data, (128, 128, 128, 1))，正如评论中指出的那样。

实质上，None以占位符的形式表示该维度的大小是可变的，但维度应该仍然存在。