Python 预训练Tensorflow模型无效参数错误

我正在使用tensorflow和预先培训的mobilenet_v2模型进行我的项目，该模型可以在

我想得到隐藏层的值，所以我实现了这个源代码，得到了一个invalidargumenterror

如果uuuu name_uuuu=='\uuuuuuu main\uuuuuu':
im=Image.open（'./sample/maltiz.png'）
im3=im.调整大小（（300300））
image=np.asarray（im）[：，：，：3]
模型路径='models/ssd\u mobilenet\u v2\u coco\u 2018\u 03\u 29/'
meta\u path=os.path.join（model\u path'model.ckpt.meta'）
模型=tf.train.import\u元图（元路径）
sess=tf.Session（）
模型还原（sess、tf.train、最新检查点（模型路径））
data=np.array（[image]）
data=data.astype（np.uint8）
X=tf.placeholder（tf.uint8，shape=[None，None，None，3]）
graph=tf.get\u default\u graph（）
对于图中的i.get_操作（）：
如果i.名称中的“Relu”：
打印（sess.run（i.values（），feed_dict={X:data}））

我收到了这个错误信息

File "load_model.py", line 42, in <module>

    print(sess.run(i.values(), feed_dict = { X : data}))
InvalidArgumentError: You must feed a value for placeholder tensor 'image_tensor' with dtype uint8 and shape [?,?,?,3]

[[node image_tensor (defined at load_model.py:24) ]]

文件“load_model.py”，第42行，在
打印（sess.run（i.values（），feed_dict={X:data}））
InvalidArgumentError:必须为占位符张量“image_tensor”提供一个值，其中数据类型为uint8，形状为[？，？，？，3]
[[node image_tensor（定义于load_model.py:24）]]

我打印出了占位符和数据的形状

占位符为uint8类型[？，？，？，3] 图像的形状为[1300300,3] 我不知道是什么问题

它看起来与错误消息上的类型完全匹配

---

请告诉我问题出在哪里。

加载预定义的图形并将图形还原到最新的检查点时，图形已定义。但当你这么做的时候

X = tf.placeholder(tf.uint8, shape=[None, None, None, 3])

您正在图形中创建一个额外的节点。此节点与要计算的节点无关，即

图形中的节点。get_operations（）

不依赖于此额外节点，而是依赖于其他节点，并且由于此其他节点未获得值，因此错误表示参数无效

正确的方法是从预定义的图中获取要计算的节点所依赖的张量

im = Image.open('./sample/maltiz.png')
im3 = im.resize((300, 300))

image = np.asarray(im)[:,:,:3]

model_path = 'models/ssd_mobilenet_v2_coco_2018_03_29/'

meta_path = os.path.join(model_path, 'model.ckpt.meta')
model = tf.train.import_meta_graph(meta_path)

sess = tf.Session()
model.restore(sess, tf.train.latest_checkpoint(model_path))

data = np.array([image])
data = data.astype(np.uint8)

graph = tf.get_default_graph()
X = graph.get_tensor_by_name('image_tensor:0')

for i in graph.get_operations():
    if "Relu" in i.name:
        print(sess.run(i.values(), feed_dict = { X : data}))

---

PS：我自己也尝试过上面的方法，但是tensorflow（版本1.13.1）的内部错误阻止我评估所有名称中包含

Relu

的节点。但是仍然有一些节点可以这样计算。

你能尝试使用

np.array（image）

而不是np.array（[image]）吗我刚刚得到了与前一个几乎相同的错误。（形状不匹配）值错误：无法为具有形状“（？，？，？，？，3）”的张量“占位符：0”输入形状（300，300，3）的值。您可以在

data=data.astype（np.uint8）

？uint8

print（data.dtype）

（1300，300，3）

print（data.Shape）

ThanksFYI，Tensor(“占位符：0”，形状=（？，？，？，3），数据类型=uint8）打印（X）