Input Tensorflow中占位符的形状

我使用Tensorflow的时间很短。我的问题是： 我加载AlexNet权重对其进行微调，所以我给出了50码的批次。 所以我定义：

# Graph input
x = tf.placeholder(tf.float32, [50, 227, 227, 3])
y = tf.placeholder(tf.float32, [None, 40])

我给出了一批50幅图像，想要得到40个输出类

然后我定义了我的模型

class Model:
@staticmethod 
def alexnet(_X, _dropout):
    # Layer 1 (conv-relu-pool-lrn)
    conv1 = conv(_X, 11, 11, 96, 4, 4, padding='VALID', name='conv1')
    conv1 = max_pool(conv1, 3, 3, 2, 2, padding='VALID', name='pool1')
    norm1 = lrn(conv1, 2, 2e-05, 0.75, name='norm1')
    # Layer 2 (conv-relu-pool-lrn)
    conv2 = conv(norm1, 5, 5, 256, 1, 1, group=2, name='conv2')
    conv2 = max_pool(conv2, 3, 3, 2, 2, padding='VALID', name='pool2')
    norm2 = lrn(conv2, 2, 2e-05, 0.75, name='norm2')
    # Layer 3 (conv-relu)
    conv3 = conv(norm2, 3, 3, 384, 1, 1, name='conv3')
    # Layer 4 (conv-relu)
    conv4 = conv(conv3, 3, 3, 384, 1, 1, group=2, name='conv4')
    # Layer 5 (conv-relu-pool)
    conv5 = conv(conv4, 3, 3, 256, 1, 1, group=2, name='conv5')
    pool5 = max_pool(conv5, 3, 3, 2, 2, padding='VALID', name='pool5')
    # Layer 6 (fc-relu-drop)
    fc6 = tf.reshape(pool5, [-1, 6*6*256])
    fc6 = fc(fc6, 6*6*256, 4096, name='fc6')
    fc6 = dropout(fc6, _dropout)
    # Layer 7 (fc-relu-drop)
    fc7 = fc(fc6, 4096, 4096, name='fc7')
    fc7 = dropout(fc7, _dropout)
    # Layer 8 (fc-prob)
    fc8 = fc(fc7, 4096, 40, relu=False, name='fc8')
    return fc8 # fc8 and fc7 (for transfer-learning)

并创造它

keep_var = tf.placeholder(tf.float32)

# Model
pred = Model.alexnet(x, keep_var)  

我可以进行训练，效果很好，但最后，我只想给出一个图像，但是x占位符和y占位符是为50个图像定义的，因此会产生错误。 以下是我在培训后仅给出一张图片的代码：

    x_test = tf.placeholder(tf.float32, [1, 227, 227, 3])
    y_test = tf.placeholder(tf.float32, [None, 40])
    img = loaded_img_train[0][:][:][:] # Only one image
    label = loaded_lab_train[0][:] # Only one label
    prediction = sess.run(pred, feed_dict={x_test: [img],     y_test: [label], keep_var: 1.})

这让我产生了一个错误：

InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'Placeholder' with dtype float and shape [50,227,227,3]
 [[Node: Placeholder = Placeholder[dtype=DT_FLOAT, shape=[50,227,227,3], _device="/job:localhost/replica:0/task:0/cpu:0"]()]]

我不知道如何输入我想要的大小

我的练习直接来自cnn的花卉识别

非常感谢你的帮助！

---

Guillaume

不必将形状的第一个维度设置为固定大小，您可以通过设置“无”而不是数字来为形状的第一个维度使用可变大小。Tensorflow能够通过输入尺寸和形状其他尺寸的固定尺寸计算批次尺寸

对于占位符y，您已做出正确的：

y = tf.placeholder(tf.float32, [None, 40])

对于占位符x，必须设置：

x = tf.placeholder(tf.float32, [None, 227, 227, 3])

---

不必将形状的第一个尺寸设置为固定尺寸，您可以通过设置“无”而不是数字来为形状的第一个尺寸使用可变尺寸。Tensorflow能够通过输入尺寸和形状其他尺寸的固定尺寸计算批次尺寸

对于占位符y，您已更正：

y = tf.placeholder(tf.float32, [None, 40])

对于占位符x，必须设置：

x = tf.placeholder(tf.float32, [None, 227, 227, 3])

---

我这样做了，但是当我定义卷积层时，我遇到了另一个错误：

bias=tf.reforme（tf.nn.bias\u add（conv，biases），conv.get\u shape（）.as\u list（））

据说：

TypeError:预期的二进制或unicode字符串，没有

它在conv.get\u shape（）中我有一个问题。Conv被定义为：

convalve=lambda i，k:tf.nn.conv2d（i，k[1，s_h，s_w，1]，padding=padding），tf.variable_scope（name）作为作用域：#为Conv层内核的权重和偏差创建tf变量=make_var（'weights'，shape=[k_h，k_w，int（c_i）/group，c#o]））如果组==1:conv=convalve（输入，内核）

我知道我有点迷路了！我需要练习！检查，在另一个stackoverflow问题（）中，它引用了这个。我这样做了，但当我定义卷积层时，我又遇到了另一个错误：

bias=tf.reforme（tf.nn.bias\u add（conv，biases），conv.get\u shape（）.as\u list（））

它说：

TypeError:Expected binary或unicode字符串，get None

我在conv.get_shape（）中遇到了问题。conv被定义为：

convalve=lambda i，k:tf.nn.conv2d（i，k[1，s_h，s_w，1]，padding=padding），tf.variable_scope（name）作为作用域：#为conv层内核的权重和偏差创建tf变量=make_var（'weights'，shape=[k_h，k_w，int（c_i）/group，c_o]）biases=make_var（'biases'，[c_o]）如果group==1:conv=convalve（input，kernel）

我知道我有点迷路了！我需要练习！检查一下，在另一个stackoverflow问题（）中，它引用了这个。