Python tf.image.non_max_抑制给出未初始化张量_Python_Tensorflow_Non Maximum Suppression

Python tf.image.non_max_抑制给出未初始化张量

python tensorflow

Python tf.image.non_max_抑制给出未初始化张量,python,tensorflow,non-maximum-suppression,Python,Tensorflow,Non Maximum Suppression,我在更快的RCNN网络中使用tensorflow的tf.image.non_max_suppression。tensorflow图构建成功，并且运行时没有错误，但运行该图时，输出为空张量，取决于输入的维度大小为0（例如，我得到形状为（0,4）的输出张量）。所以我使用了tfdbg工具来查看发生了什么。我发现tf.image.non_max_suppressionop的张量值是Uninitialized tensor。取决于nms op输出的所有后续张量也显示为unnitialized tensor

我在更快的RCNN网络中使用tensorflow的

tf.image.non_max_suppression

。tensorflow图构建成功，并且运行时没有错误，但运行该图时，输出为空张量，取决于输入的维度大小为0（例如，我得到形状为（0,4）的输出张量）。所以我使用了

tfdbg

工具来查看发生了什么。我发现

tf.image.non_max_suppression

op的张量值是

Uninitialized tensor

。取决于nms op输出的所有后续张量也显示为

unnitialized tensor

我训练了这个更快的RCNN网络，并使用

tf.train.Saver（..）.save（..）

保存了权重。当我训练网络时，我使用一个python numpy函数来执行NMS，并使用op wrapper

tf.py_func

将其插入网络，然后在训练模型后，我决定将python函数更改为tensorflow实现

tf.image.non_max_suppression

没有可学习的参数，因此我不明白为什么现在加载保存的模型并运行图表时，张量未初始化。在使用

tf.train.Saver（..）.restore（..）加载模型之前，我还尝试执行sess.run（tf.global\u variables\u initializer（））
，但没有任何更改，仍然在tfdbg
中看到NMS和后续ops的未初始化张量
对这种行为有什么想法以及如何解决
这就是我如何使用tf.image.non_max_suppression的方法
：
你能包括完整的错误信息，包括任何张量名称吗？我在构建或运行过程中没有收到任何错误。运行时只需获取空张量，其中第一个维度（其大小取决于输入）的大小为0。当我使用tfdbg
进行调试时，我看到nms op是未初始化张量，以及所有后续张量，具体取决于nms op@mrry的输出
keep = tf.image.non_max_suppression(proposals_yxyx, 
                             scores, 
                             tf.constant(cfg[cfg_key].RPN_POST_NMS_TOP_N), 
                             cfg[cfg_key].RPN_NMS_THRESH, 
                             name="Non-maximal-suppression")