Python Can'；t将随机变量传递给Tensorflow中的tf.image.central_crop（）

在Tensorflow中，我通过一组PNG文件进行培训，我希望应用数据扩充。我已经成功地使用了

tf.image.random\u flip\u left\u right（）

但是，当我尝试使用

tf.image.central\u crop（）

时，出现了一个错误。 基本上，我希望从均匀分布（0.8,1.0）中提取中心_分数

这是我的代码。我哪里出错了？

frac

应该是

tf.random\u uniform（）

失败并出现错误：

TypeError: Fetch argument 0.9832154064713503 has invalid type <class 'float'>, must be a string or Tensor. (Can not convert a float into a Tensor or Operation.)

TypeError:获取参数0.9832154064713503的类型无效，必须是字符串或张量。（无法将浮点转换为张量或操作。）

我解决了自己定义以下函数的问题。我调整了tf.image.central\u crop（image，central\u fraction）中提供的代码。 函数RandomCrop将裁剪从均匀分布中提取的中心分数的图像。您只需指定所需的最小分数和最大分数。 显然，你可以把随机均匀分布换成另一个

def RandomCrop(image,fMin, fMax):
  from tensorflow.python.ops import math_ops
  from tensorflow.python.ops import array_ops
  from tensorflow.python.framework import ops
  image = ops.convert_to_tensor(image, name='image')

  if fMin <= 0.0 or fMin > 1.0:
    raise ValueError('fMin must be within (0, 1]')
  if fMax <= 0.0 or fMax > 1.0:
    raise ValueError('fMin must be within (0, 1]')

  img_shape = array_ops.shape(image)
  depth = image.get_shape()[2]
  my_frac2 = tf.random_uniform([1], minval=fMin, maxval=fMax, dtype=tf.float32, seed=42, name="uniform_dist") 
  fraction_offset = tf.cast(math_ops.div(1.0 , math_ops.div(math_ops.sub(1.0,my_frac2[0]), 2.0)),tf.int32)
  bbox_h_start = math_ops.div(img_shape[0], fraction_offset)
  bbox_w_start = math_ops.div(img_shape[1], fraction_offset)
  bbox_h_size = img_shape[0] - bbox_h_start * 2
  bbox_w_size = img_shape[1] - bbox_w_start * 2

  bbox_begin = array_ops.pack([bbox_h_start, bbox_w_start, 0])
  bbox_size = array_ops.pack([bbox_h_size, bbox_w_size, -1])
  image = array_ops.slice(image, bbox_begin, bbox_size)

  # The first two dimensions are dynamic and unknown.
  image.set_shape([None, None, depth])
  return(image)

def随机裁剪（图像、fMin、fMax）：
从tensorflow.python.ops导入数学运算
从tensorflow.python.ops导入数组
从tensorflow.python.framework导入ops
image=ops.convert_to_tensor（image，name='image'）
如果fMin 1.0：
raise VALUETERROR（'fMin必须在（0，1）范围内'）
如果fMax 1.0：
raise VALUETERROR（'fMin必须在（0，1）范围内'）
img\u shape=数组操作形状（图像）
深度=图像。获取形状（）[2]
my_frac2=tf.random_uniform（[1]，minval=fMin，maxval=fMax，dtype=tf.float32，seed=42，name=“uniform_dist”）
分数偏移=tf.cast（数学运算div（1.0，数学运算div（1.0，my_frac2[0]），2.0）），tf.int32）
bbox\u h\u start=数学运算div（img\u形状[0]，分数偏移）
bbox\u w\u start=数学运算div（img\u形状[1]，分数偏移）
bbox_h_大小=img_形状[0]-bbox_h_开始*2
bbox_w_size=img_形状[1]-bbox_w_开始*2
bbox\u begin=array\u ops.pack（[bbox\u h\u start，bbox\u w\u start，0]）
bbox\u size=array\u ops.pack（[bbox\u h\u size，bbox\u w\u size，-1]）
image=array\u ops.slice（image，bbox\u begin，bbox\u size）
#前两个维度是动态的和未知的。
image.set_形状（[None，None，depth]）
返回（图像）

我尝试在v0.10上运行您的脚本，但没有遇到任何问题。请您提及您正在使用的TF版本

import tensorlow as TF；print TF.\uu git\u version\uuuuu

？另外，在数据中提供指向某些png的链接可能会有所帮助。对于TF版本：对于TF版本，如果我运行：python3-c“import tensorflow as TF；print”（tf.uuu version_uuuuu）“我得到：0.11.0rc0。我在Python 3.5上。下面是一个图像示例。谢谢！图像示例：

def RandomCrop(image,fMin, fMax):
  from tensorflow.python.ops import math_ops
  from tensorflow.python.ops import array_ops
  from tensorflow.python.framework import ops
  image = ops.convert_to_tensor(image, name='image')

  if fMin <= 0.0 or fMin > 1.0:
    raise ValueError('fMin must be within (0, 1]')
  if fMax <= 0.0 or fMax > 1.0:
    raise ValueError('fMin must be within (0, 1]')

  img_shape = array_ops.shape(image)
  depth = image.get_shape()[2]
  my_frac2 = tf.random_uniform([1], minval=fMin, maxval=fMax, dtype=tf.float32, seed=42, name="uniform_dist") 
  fraction_offset = tf.cast(math_ops.div(1.0 , math_ops.div(math_ops.sub(1.0,my_frac2[0]), 2.0)),tf.int32)
  bbox_h_start = math_ops.div(img_shape[0], fraction_offset)
  bbox_w_start = math_ops.div(img_shape[1], fraction_offset)
  bbox_h_size = img_shape[0] - bbox_h_start * 2
  bbox_w_size = img_shape[1] - bbox_w_start * 2

  bbox_begin = array_ops.pack([bbox_h_start, bbox_w_start, 0])
  bbox_size = array_ops.pack([bbox_h_size, bbox_w_size, -1])
  image = array_ops.slice(image, bbox_begin, bbox_size)

  # The first two dimensions are dynamic and unknown.
  image.set_shape([None, None, depth])
  return(image)