Python TunSoFrices错误：将铸造元素考虑为支持类型

我只是使用scikit image从文件夹中加载图像，但当我运行

get\u batches（）

函数时，出现了一个错误。我看了一些博客，但问题仍然存在。我不知道怎么处理它

问题出现在

image=tf.cast（image，tf.string）

中，它位于函数

get\u batches（）

中

环境：

python 3.6

，

tensorflow 1.12.0

，

scikit image

，

matplotlib

我是个新手。我不知道是什么引起了这个问题。下面是我的代码。我不知道如何处理这个问题。如果有人有一些好的想法，也可以在评论部分告诉我

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
import os
import skimage
from skimage import io
import re

#find "cat" or "dog" from string
def find_word_in_string(directory, word, return_number=0):
    matchObj = re.search(word, directory, re.M|re.I)
    if matchObj:
        return return_number
    else:
        return -1


# label to image,if "cat" the label is 0, if dog the label is 1.
def find_method(directory): 
    word = "cat"
    result = -1
    if word == "cat":
        result = directory.find(word)
        if result != -1: 
            return 0
    word = "dog"
    if word == "dog":
        result = directory.find(word)
        if result != -1: 
            return 1
    return result

# save date to .txt file.
def write_data_to_txt(data, path, authority): 
    string_data = "".join(str(s) for s in data) 
    performance = open(path,authority)
    performance.write(string_data)
    performance.close()

def show_image(imglist):
    count = 0
    for i in imglist[:10]:
        count += 1
        print("----->",count)
        io.imshow(i)
        io.show()  #Sometime the picture was display,should add this API.

def load_data(data_dir):
    # Get all subdirectories of data_dir. Each represents a label.
    directories = [d for d in os.listdir(data_dir) 
                   if os.path.isdir(os.path.join(data_dir, d))]
    for d in os.listdir(data_dir):
        path = data_dir+ "\\"+ d
        if os.path.isfile(path):
            directories.append(path)
    labels = []
    images = []
    for f in directories:
        #Load an image from file.
        images.append(skimage.data.imread(f)) 
        label = find_method(f)
        if label != -1: 
            labels.append(label)
        else:
            print("No match!!")
    write_data_to_txt(labels,"G:\\DeepLearning\\CatOrDogDataset\\labels.txt","w+")
    return images, labels

def get_batches(image, label, resize_w, resize_h, batch_size, capacity):
    #tfansform imagelist to tf.string
    #transform label to tf.int64

    image = tf.cast(image, tf.string) 
    label = tf.cast(label, tf.int64)  #
    queue = tf.train.slice_input_producer([image, label])
    label = queue[1]
    image_temp = tf.read_file(queue[0])
    image = tf.image.decode_jpeg(image_temp, channels = 3)
    #resize image 
    image = tf.image.resize_image_with_crop_or_pad(image, resize_w, resize_h)

    image = tf.image.per_image_standardization(image)
    image_batch, label_batch = tf.train.batch([image, label], batch_size = batch_size,
        num_threads = 64,capacity = capacity)
    images_batch = tf.cast(image_batch, tf.float32)
    labels_batch = tf.reshape(label_batch, [batch_size])
    return images_batch, labels_batch

train_data_dir = "G:\\DeepLearning\\CatOrDogDataset\\new_train"
images, labels = load_data(train_data_dir)
show_image(images)
train_images_batch, train_labels_batch = get_batches(images, labels, 64, 64, 32,32)
print("----->finished!")

---

您正在将图像强制转换为

字符串

。考虑使用<代码> Tf.FLUAT32 < /COD>或<代码> TF.In64 < /代码>。我认为

tf.float32

是一个不错的选择，因为您稍后将以这种方式在代码中强制转换批处理

images_batch = tf.cast(image_batch, tf.float32)

在

get_batches

image内部是一个文件名字符串数组。您需要加载每个文件并将其转换为张量

from keras.preprocessing import image
def to_tensor(img_path):
  img = image.load_img(img_path, target_size=(224, 224))  
  # target size should match the input of the model
  x = image.img_to_array(img)
  return np.expand_dims(x, axis=0)

list_of_tensors = [to_tensor(img_path) for img_path in image]
batches = np.vstack(list_of_tensors)
# now use the 4d tensor for the rest of processing

---

您正在将图像强制转换为

字符串

。考虑使用<代码> Tf.FLUAT32 < /COD>或<代码> TF.In64 < /代码>。我认为

tf.float32

是一个不错的选择，因为您稍后将以这种方式在代码中强制转换批处理

images_batch = tf.cast(image_batch, tf.float32)

在

get_batches

image内部是一个文件名字符串数组。您需要加载每个文件并将其转换为张量

from keras.preprocessing import image
def to_tensor(img_path):
  img = image.load_img(img_path, target_size=(224, 224))  
  # target size should match the input of the model
  x = image.img_to_array(img)
  return np.expand_dims(x, axis=0)

list_of_tensors = [to_tensor(img_path) for img_path in image]
batches = np.vstack(list_of_tensors)
# now use the 4d tensor for the rest of processing

---

你知道你为什么要把图像（ndarray）转换成字符串吗？这不应该也是int。代码的错误是从网络下载的…image=tf.cast（image，tf.float32）也会发生错误，我尝试了tf.float32，但它不起作用。你知道为什么要将image（ndarray）转换为string吗？这不应该是int。代码的错误是从网络下载的…image=tf.cast（image，tf.float32）也会发生错误，我尝试了tf.float32，但它不起作用。请打印

image.dtype

？我使用images[0].dtype，结果是uint8。您需要将文件转换为tensor。查看我的更新答案你好，我有一个关于

np的问题。展开（x，轴=0）

，x代表什么？@samzhang，查看更新的答案。我忘了将创建的三维张量分配回xCan您可以打印

image.dtype

？我使用images[0].dtype，结果是uint8。您需要将文件转换为张量。查看我的更新答案你好，我有一个关于

np的问题。展开（x，轴=0）

，x代表什么？@samzhang，查看更新的答案。我忘了将创建的三维张量赋回x