Python Tensorflow：将标量张量值获取为int，以便通过设置_shape（）进行传递

我试图将3D图像及其标签从numpy数组加载到TensorFlow记录，然后在训练网络时从队列中读取它们。转换代码基于TensorFlow的转换

每个图像都有不同的高度、宽度和深度值，因此在重塑阵列时，我需要知道这些值。但是，当我尝试使用set_shape时，我遇到了一个错误，因为在使用int（）时，它不接受张量值

reader = tf.TFRecordReader()
_, value = reader.read(filename_queue)


# Features in Example proto
feature_map = {
    'height': tf.VarLenFeature(dtype=tf.int64),
    'width': tf.VarLenFeature(dtype=tf.int64),
    'depth': tf.VarLenFeature(dtype=tf.int64),
    'label': tf.VarLenFeature(dtype=tf.int64),
    'image_raw': tf.VarLenFeature(dtype=tf.string)
}

features = tf.parse_single_example(value, feature_map)
result.label = tf.cast(features['label'].values[0], dtype=tf.int32)
result.height = tf.cast(features['height'].values[0], dtype=tf.int32)
result.width = tf.cast(features['width'].values[0], dtype=tf.int32)
result.depth = tf.cast(features['depth'].values[0], dtype=tf.int32)

image = tf.decode_raw(features['image_raw'].values[0], tf.int16)

image = tf.reshape(image, [result.depth, result.height, result.width])
image = tf.cast(tf.transpose(image, [1, 2, 0]), tf.float32)
result.image = tf.expand_dims(image, 3)

result.image.set_shape([result.height, result.width, result.depth, 1])
result.label = tf.expand_dims(result.label, 0)
result.label.set_shape([1])

错误跟踪：

Traceback (most recent call last):
  File "dsb17_multi_gpu_train.py", line 227, in <module>
    tf.app.run()
  File "/usr/local/lib/python3.4/dist-packages/tensorflow/python/platform/app.py", line 44, in run
    _sys.exit(main(_sys.argv[:1] + flags_passthrough))
  File "dsb17_multi_gpu_train.py", line 223, in main
    train()
  File "dsb17_multi_gpu_train.py", line 129, in train
    loss = tower_loss(scope)
  File "dsb17_multi_gpu_train.py", line 34, in tower_loss
    images, labels = dsb17.inputs(False)
  File "/home/ubuntu/dsb17/model/dsb17.py", line 104, in inputs
    batch_size=FLAGS.batch_size)
  File "/home/ubuntu/dsb17/model/dsb17_input.py", line 161, in inputs
    read_input = read_data(filename_queue)
  File "/home/ubuntu/dsb17/model/dsb17_input.py", line 62, in read_data
    result.image.set_shape([result.height, result.width, result.depth, 1])
  File "/usr/local/lib/python3.4/dist-packages/tensorflow/python/framework/ops.py", line 425, in set_shape
    self._shape = self._shape.merge_with(shape)
  File "/usr/local/lib/python3.4/dist-packages/tensorflow/python/framework/tensor_shape.py", line 573, in merge_with
    other = as_shape(other)
  File "/usr/local/lib/python3.4/dist-packages/tensorflow/python/framework/tensor_shape.py", line 821, in as_shape
    return TensorShape(shape)
  File "/usr/local/lib/python3.4/dist-packages/tensorflow/python/framework/tensor_shape.py", line 457, in __init__
    self._dims = [as_dimension(d) for d in dims_iter]
  File "/usr/local/lib/python3.4/dist-packages/tensorflow/python/framework/tensor_shape.py", line 457, in <listcomp>
    self._dims = [as_dimension(d) for d in dims_iter]
  File "/usr/local/lib/python3.4/dist-packages/tensorflow/python/framework/tensor_shape.py", line 378, in as_dimension
    return Dimension(value)
  File "/usr/local/lib/python3.4/dist-packages/tensorflow/python/framework/tensor_shape.py", line 33, in __init__
    self._value = int(value)
TypeError: int() argument must be a string, a bytes-like object or a number, not 'Tensor'

回溯（最近一次呼叫最后一次）：
文件“dsb17_multi_gpu_train.py”，第227行，在
tf.app.run（）
文件“/usr/local/lib/python3.4/dist-packages/tensorflow/python/platform/app.py”，第44行，正在运行
_系统出口（主（_sys.argv[：1]+标志_passthrough））
文件“dsb17_multi_gpu_train.py”，第223行，主目录
列车（）
文件“dsb17_multi_gpu_train.py”，第129行，列车中
损耗=塔架损耗（范围）
文件“dsb17_multi_gpu_train.py”，第34行，塔楼中
图像、标签=dsb17.输入（假）
文件“/home/ubuntu/dsb17/model/dsb17.py”，第104行，输入
批次大小=标志。批次大小）
文件“/home/ubuntu/dsb17/model/dsb17_input.py”，第161行，输入
读取输入=读取数据（文件名队列）
文件“/home/ubuntu/dsb17/model/dsb17_input.py”，第62行，读取数据
result.image.set_形状（[result.height，result.width，result.depth，1]）
文件“/usr/local/lib/python3.4/dist-packages/tensorflow/python/framework/ops.py”，第425行，呈集合形状
self.\u shape=self.\u shape.与（shape）合并
文件“/usr/local/lib/python3.4/dist packages/tensorflow/python/framework/tensor\u shape.py”，第573行，与合并
其他=形状相同（其他）
文件“/usr/local/lib/python3.4/dist packages/tensorflow/python/framework/tensor_shape.py”，第821行，as_形
返回张量形状（形状）
文件“/usr/local/lib/python3.4/dist-packages/tensorflow/python/framework/tensor_-shape.py”，第457行，在u-init中__
self._dims=[作为dims中d的尺寸（d）]
文件“/usr/local/lib/python3.4/dist packages/tensorflow/python/framework/tensor_shape.py”，第457行，在
self._dims=[作为dims中d的尺寸（d）]
文件“/usr/local/lib/python3.4/dist packages/tensorflow/python/framework/tensor_shape.py”，第378行，as_维度
返回维度（值）
文件“/usr/local/lib/python3.4/dist-packages/tensorflow/python/framework/tensor_-shape.py”，第33行，在初始化中__
self.\u value=int（值）
TypeError:int（）参数必须是字符串、类似对象的字节或数字，而不是“张量”

我最初认为这是因为在会话中计算张量之前，张量没有值，但是在sess.run（）中计算损耗，这就需要调用tower_loss（）。我的培训代码在结构上与相同，并且总体文件结构也非常相似

接下来的问题是：它实际上是在会话中被评估的，还是图形还没有构建？我需要从零维张量中提取一个值吗？更一般地说，我对张量和会话有什么误解，导致我的代码无法按预期工作？

根据TensorFlow的说法，tf.cast返回一个张量

您的错误是，当使用

set_shape（）

时，不能使用张量作为参数，而应使用int

您可以尝试强制Tensorflow来评估演员阵容。这个简单的例子适用于我：

a = tf.constant(2.0)
b = tf.constant([1.0,2.0])
b.set_shape(a.eval())

---

如果不调用

eval（）

，我会得到与您相同的错误。

通常，您无法使用执行此操作，因为该方法需要静态形状。张量

result.height

、

result.width

、

result.depth

表示从文件中读取的值，在运行时，它们可以计算为许多不同的整数（取决于文件中的内容），因此没有可以传递给它们的单个

int

。在这种情况下，您当前所能做的最好方法是将这些维度表示为静态未知，对未知维度使用

None

：

result.image.set_shape([None, None, None, 1])

请注意，此语句不应改变任何内容，因为TensorFlow应该已经能够推断形状为4-D，最后一个维度的大小为1

---

有关静态和动态形状的详细信息，请参见。

实际上，您可以将图像形状传递给

重塑功能，但还需要一个步骤。换句话：

image = tf.reshape(image, [result.depth, result.height, result.width])

致：

这是一个很好的建议，但是如果我在代码的该部分中创建一个会话（使用allow_soft_placement=True，否则它将根本不起作用），然后使用.eval（），代码将运行，但不会发生任何事情。如果它工作正常，我会收到一条消息说图像正在添加到队列中，但不知道代码在做什么。
image_shape = tf.stack([result.depth, result.height, result.width])
image = tf.reshape(image, image_shape)