运行带有输出层=池3的标签图像时出错 图像识别教程中的TysFoad练习建议使用C++实例运行 ——输出层=池3。我已尝试运行此操作，但出现错误： $bazel bin/tensorflow/examples/label\u image/label\u image--output\u layer=pool\u 3 I tensorflow/core/common_runtime/local_device.cc:40]本地设备操作内并行线程：4 I tensorflow/core/common_runtime/direct_session.cc:58]直接会话操作间并行线程：4 W tensorflow/core/common_runtime/executor.cc:1076]0x558ae6a5d210计算状态：无效参数：输入必须是二维的 [[Node:top_k=TopK[T=DT_FLOAT，k=5，_device=“/job:localhost/replica:0/task:0/cpu:0”]（Const/_0）]] E tensorflow/examples/label_image/main.cc:311]运行打印失败：参数无效：输入必须是二维的 [[Node:top_k=TopK[T=DT_FLOAT，k=5，_device=“/job:localhost/replica:0/task:0/cpu:0”]（Const/_0）]]

我遗漏了什么？

这里的问题是，

--output\u layer=pool\u 3

选项工作之前，需要对中的TensorFlow代码进行额外修改：

< >可以通过在C++ API示例中设置<代码> -OutPuthLeal= POOLY3/COD>来指定这一点，然后<强>改变输出张量处理< /强> ./P> 要更改输出张量处理，需要修改代码。函数调用，它采用一个2-D（批次x类）张量，假设该张量是包含一批图像中标签的概率分布的a的输出，并使用op构建一个小的TensorFlow图。

pool_3

层输出四维（批次x高度x宽度x深度）张量，这将需要额外处理

附加处理留给读者作为练习。但是，您可以尝试以下几点：

• 将输出重塑为二维（batch x features）矩阵，并训练完全连接的层（或更多层），以识别您自己训练数据中的特征

• 通过沿深度维度对池层进行切片，并使用op将切片编码为图像，可视化池层的输出

<>强> N.B.< /强>由于文档更好，我提供了Python文档的链接，而不是相应的C++ API。您可能会发现（更！）更容易修改