Python Tensorflow值错误：要解包的值太多（预期为2个）

我已经在Reddit、堆栈溢出、技术论坛、文档、GitHub问题等上查找了这个问题，但仍然无法解决这个问题

作为参考，我在Windows10上使用的是64位的Python3TensorFlow

我试图用我自己的数据集（300张猫的图片，512x512，.png格式）在

Tensorflow

中训练它知道猫的样子。如果这能奏效，我将用其他动物和最终的物体来训练它

我似乎不明白为什么会出现错误

ValueError:太多的值无法解压缩（预期为2个）

。错误出现在第

行图像中，labal=create_batches（10）

，它指向我的函数

create_batches

（见下文）。我不知道是什么原因导致了这种情况，因为我对

TensorFlow

相当陌生。我正试图在MNIST数据集的基础上建立自己的神经网络。代码如下：

将tensorflow导入为tf
将numpy作为np导入
导入操作系统
导入系统
进口cv2
内容=[]
标签列表=[]
打开（“data/cats/files.txt”）作为ff：
对于ff中的行：
line=line.rstrip（）
content.append（第行）
打开（“data/cats/labels.txt”）作为fff：
对于fff中的linee：
linee=linee.rstrip（）
标签\u列表。附加（linee）
def创建批次（批次大小）：
图像=[]
对于内容中的img：
#f=打开（img，'rb'）
#thedata=f.read（）.decode（'utf8'）
数据=cv2.imread（img）
thedata=tf.contrib.layers.flatten（thedata）
images.append（数据）
图像=np.asarray（图像）
labels=tf.convert_to_tensor（labels_列表，dtype=tf.string）
打印（内容）
#打印（标签列表）
虽然（正确）：
对于范围（0298,10）内的i：
产量图像[i:i+批次大小]，标签列表[i:i+批次大小]
imgs=tf.placeholder（dtype=tf.float32，shape=[None，262144]）
lbls=tf.placeholder（dtype=tf.float32，shape=[None，10]）
W=tf.变量（tf.零（[262144,10]））
b=tf.变量（tf.零（[10]））
y=tf.nn.softmax（tf.matmul（imgs，W）+b）
交叉熵=tf.reduce\u均值（-tf.reduce\u和（lbls*tf.log（y），reduce\u指数=[1]））
训练步长=tf.训练梯度降熵器（0.05）.最小化（交叉熵）
sess=tf.InteractiveSession（）
tf.global_variables_initializer（）.run（）
对于范围（10000）内的i：
图像，labal=创建批次（10）
sess.run（train_step，feed_dict={imgs:images，lbls:labal}）
正确的预测=tf.equal（tf.argmax（y，1），tf.argmax（lbls，1））
准确度=tf.reduce_平均值（tf.cast（正确的预测，tf.float32））
打印（sess.run（准确性、提要内容={imgs:content、lbls:labels\u list}））

错误是：

Traceback (most recent call last):
  File "B:\Josh\Programming\Python\imgpredict\predict.py", line 54, in <module>

    images,labal = create_batches(2)
ValueError: too many values to unpack (expected 2)
libpng warning: iCCP: known incorrect sRGB profile
libpng warning: iCCP: known incorrect sRGB profile
libpng warning: iCCP: known incorrect sRGB profile
libpng warning: iCCP: known incorrect sRGB profile
(A few hundred lines of this)
libpng warning: iCCP: known incorrect sRGB profile
libpng warning: iCCP: known incorrect sRGB profile
libpng warning: iCCP: known incorrect sRGB profile

回溯（最近一次呼叫最后一次）：
文件“B:\Josh\Programming\Python\imgpredict\predict.py”，第54行，在
图像，labal=创建批（2）
ValueError:要解压缩的值太多（应为2个）
libpng警告：iCCP:已知错误的sRGB配置文件
libpng警告：iCCP:已知错误的sRGB配置文件
libpng警告：iCCP:已知错误的sRGB配置文件
libpng警告：iCCP:已知错误的sRGB配置文件
（本书几百行）
libpng警告：iCCP:已知错误的sRGB配置文件
libpng警告：iCCP:已知错误的sRGB配置文件
libpng警告：iCCP:已知错误的sRGB配置文件

---

如果有人需要我的链接。项目文件夹是“imgpredict”。

您注释掉了第二个返回项

        yield(images[i:i+batch_size])    #,labels_list[i:i+batch_size])

您将生成一个列表来分配给

图像

，而

labal

则没有剩余内容。删除注释标记，或者在调试模式下生成一个伪值

---

更新

分隔此行并检查您要返回的内容：

result = (images[i:i+batch_size],
          labels_list[i:i+batch_size])
print len(result), result
return result

---

您正在以错误的方式产生结果：

yield(images[i:i+batch_size]) #,labels_list[i:i+batch_size])

这将为您提供一个已生成的值，但当您调用方法时，您希望生成两个值：

images,labal = create_batches(10)

其中一个产生两个值，如：

yield (images[i:i+batch_size] , labels_list[i:i+batch_size])

（取消注释）或仅期望一个

编辑：您应该在收益率和收到如下结果时使用括号：

#when yielding, remember that yield returns a Generator, therefore the ()
yield (images[i:i+batch_size] , labels_list[i:i+batch_size])

#When receiving also, even though this is not correct
(images,labal) = create_batches(10)

#do the training several times as you have
for i in range(10000):
    #now here you should iterate over your generator, in order to gain its benefits
    #that is you dont load the entire result set into memory
    #remember to receive with () as mentioned
    for (images, labal) in create_batches(10):
        #do whatever you want with that data
        sess.run(train_step, feed_dict={imgs:images, lbls: labal})

然而，这不是我使用

收益率

选项的方式；通常会迭代返回生成器的方法，在您的情况下，它应该如下所示：

#when yielding, remember that yield returns a Generator, therefore the ()
yield (images[i:i+batch_size] , labels_list[i:i+batch_size])

#When receiving also, even though this is not correct
(images,labal) = create_batches(10)

#do the training several times as you have
for i in range(10000):
    #now here you should iterate over your generator, in order to gain its benefits
    #that is you dont load the entire result set into memory
    #remember to receive with () as mentioned
    for (images, labal) in create_batches(10):
        #do whatever you want with that data
        sess.run(train_step, feed_dict={imgs:images, lbls: labal})

---

您还可以检查有关

产量

用户和生成器的问题。

哦。。。忘了吧。我得在家检查一下，我的轮班刚刚结束。如果这能解决问题，我会发疯的如果你进入精神错乱状态，记得带上有效护照，这样你参观完后就可以回家了。这是一个有趣的地方，但不是一个你想抚养孩子的地方。不幸的是，这并没有解决这个问题（我把远程桌面接入我的系统）。我得到了和以前一样的错误，所以我测试了它。结果证明我的程序可以通过前3批（它将“结果”输出到我的第30张图像），然后它决定停止工作。你知道为什么吗？没有附带的数据和结果，没有。我给你的是调试方面的帮助，不是解决方案。我修改了我的代码，但得到了与以前相同的错误。你能在这里添加修改的行或编辑问题吗？

yield（图像[I:I+batch\u size]，标签列表[I:I+batch\u size]）

我还编辑了问题我想我现在看到了。你应该把收益率分组在括号里，并用括号接收，现在编辑我的答案好的！这修复了第一个错误，现在我在

sess.run（train\u step，feed\u dict={imgs:images，lbls:labal}）

行中有一个错误，但这是另一个问题。谢谢你的帮助：）