Python ValueError:无法为具有形状“（？，224，224，3）”的张量“占位符_3:0”提供形状（224，224，3）的值

我是Tensorflow的新手，我尝试训练我的CNN模型，以便将来对人脸进行分类。我有一个56个人的图像数据集，他们被裁剪的脸是numpy数组，形状为[-1224224,3]和float32类型。当我试着把它输入tensorflow时 我只是附上我的X列和Y列的样子，以便输入tensorflow

我得到了典型的错误值error:cannotfeed形状2242242243的值，用于张量'Placeholder_3:0'，它有形状'？，2242243'。这似乎很容易理解，但我不知道如何修改我的代码使其工作

我的Tensorflow代码在这里

import tensorflow as tf

config = tf.ConfigProto()
config.gpu_options.allocator_type = 'BFC'
#config.gpu_options.allow_growth = True
config.gpu_options.per_process_gpu_memory_fraction = 0.6


n_classes = 56
batch_size = 1
hm_epochs = 100


#x = tf.placeholder('float', [None, 150528])
x = tf.placeholder('float', [None, 224,224,3])
y = tf.placeholder('float')


keep_rate = 0.8
keep_prob = tf.placeholder(tf.float32)

def conv2d(x, W):
    return tf.nn.conv2d(x, W, strides=[1,1,1,1], padding='SAME')

def maxpool2d(x):
    #                        size of window         movement of window
    return tf.nn.max_pool(x, ksize=[1,2,2,1], strides=[1,2,2,1], padding='SAME')


def convolutional_neural_network(x):
    weights = {'W_conv1':tf.Variable(tf.random_normal([5,5,3,32])),
               'W_conv2':tf.Variable(tf.random_normal([5,5,32,64])),
               'W_fc':tf.Variable(tf.random_normal([224*224*3,1024])),
               'out':tf.Variable(tf.random_normal([1024, n_classes]))}

    biases = {'b_conv1':tf.Variable(tf.random_normal([32])),
              'b_conv2':tf.Variable(tf.random_normal([64])),
              'b_fc':tf.Variable(tf.random_normal([1024])),
              'out':tf.Variable(tf.random_normal([n_classes]))}

    x = tf.reshape(x, shape=[-1, 224, 224, 3])
    #x = train_X

    #creating the first layer of CNN
    conv1 = tf.nn.relu(conv2d(x, weights['W_conv1']) + biases['b_conv1']) # activation function 1
    conv1 = maxpool2d(conv1)

    #creating the second layer of CNN
    conv2 = tf.nn.relu(conv2d(conv1, weights['W_conv2']) + biases['b_conv2']) # activation function 2
    conv2 = maxpool2d(conv2)

    fc = tf.reshape(conv2,[-1, 224*224*3])
    fc = tf.nn.relu(tf.matmul(fc, weights['W_fc'])+biases['b_fc'])
    fc = tf.nn.dropout(fc, keep_rate)
    output = tf.matmul(fc, weights['out'])+biases['out']

    return output



def train_neural_network(x):


    i = 0

    prediction = convolutional_neural_network(x)
    cost = tf.reduce_mean( tf.nn.softmax_cross_entropy_with_logits(logits=prediction,labels=y) )

    optimizer = tf.train.AdamOptimizer().minimize(cost)

    with tf.Session(config = config) as sess:         
        sess.run(tf.global_variables_initializer())

        for epoch in range(hm_epochs):
            epoch_loss = 0
            for _ in range(int(len(train_X)/batch_size)):
                _, c = sess.run([optimizer, cost], feed_dict={x: train_X[i:i+batch_size], y: train_y[i:i+batch_size]}) #HERE IS THE ERROR
                epoch_loss += c
                i += 100


        print('Epoch', epoch, 'completed out of',hm_epochs,'loss:',epoch_loss)



train_neural_network(x)

---

如果有人能帮我把一切弄清楚，我会很高兴的。提前感谢你的帮助。顺便说一句，我需要以GPU不会给我OOM的方式批量处理数据。因为我可以改变进料方式以排除配料，除了OOM错误，它工作正常。有趣的故事是，当我重新启动内核并再次运行它的时候。发生了另一个错误-InvalidArgumentError回溯请参见上文：重塑的输入是一个具有200704个值的张量，但请求的形状需要150528的倍数。200704根本不能在这里，因为这是224*224*4，而我只有224*224*3

fc层的形状不正确

W_fc'：tf.Variabletf.random_normal[224*224*31024] W_fc'：tf.Variabletf.random_normal[56*56*641024] fc=tf.v2，[-1224*224*3] fc=tf.v2，[-1,56*56*64] 当您对输入图像应用卷积和最大池时，您将获得以下大小的特征贴图

输入图像：224x224x3 | conv1 224x224x32 | maxpool 112x112x32 | conv2 112x112x64 | maxpool 56x56x64

我修复了你的代码如上所述，它的工作。

---

请试一试。

将您的train_X重塑为[-1224224,3]，您正在输入一个输入，因此它应该是[12242224,3]，而不是[224224,3]