批量输入到tensorflow中的某一层

我正在一个基于inception-v3的网络上工作。我成功地训练了这个网络，现在我想将一批opencv图像提供给我的网络，并获得一些输出。 网络的原始占位符接受一个字符串并将其解码为jpg，但我使用opencv读取视频帧，并在

nparray

列表中转换它们：

  for cnt in range(batch_size):
        frameBuffer = []
        if (currentPosition >= nFrames):
            break
        ret, frame = vidFile.read()
        img_data = np.asarray(cv2.cvtColor(frame, cv2.COLOR_BGR2RGB))
        frameBuffer.append(img_data)
        currentPosition += multiplier

如果我想处理单个图像，因为我直接从opencv读取帧，我将它们转换为np数组，然后将其馈送到inception网络的“Cast:0”层：

pred = sess.run([predictions], {'Cast:0': img_data})

到目前为止，结果还可以。但我想输入一批帧：我尝试以当前方式使用

feed\u dict

：

images = tf.placeholder(tf.float32, [batch_size,width,height, 3])
image_batch = tf.stack(frameBuffer)

feed_dict = {images: image_batch}
avgRepresentation, pred = sess.run([pool_avg, predictions],{'Cast:0': feed_dict})

但是我犯了错误；我知道我给这批货喂料时出错了。你有什么建议我如何将一批图像传送到网络的某一层吗？

你的传送目录（至少）有一个问题：传送目录通常是一个字典，以张量或字符串（表示张量名称）为键，值（按常规类型、np数组等给出）

这里使用的是

{'Cast:0'：feed_dict}

，因此字典的值本身就是一个字典，这对tensorflow没有任何意义。您需要将值放在那里，即图像的串联（解码、转换等）。另外，如果我遗漏了什么，我也很抱歉，但是我想

frameBuffer

应该包含批处理的所有图像，因此它应该在

for

循环之外初始化

此代码应适用于：

frameBuffer = []
for cnt in range(batch_size):
        if (currentPosition >= nFrames):
            break
        ret, frame = vidFile.read()
        img_data = np.asarray(cv2.cvtColor(frame, cv2.COLOR_BGR2RGB))
        frameBuffer.append(img_data)
        currentPosition += multiplier
avgRepresentation, pred = sess.run([pool_avg, predictions],{'Cast:0': np.asarray(frameBuffer)})

---

你能告诉我们你得到的错误吗？pred=sess.run（[predictions]，{'Cast:0'：feed_dict}）文件“/usr/local/lib/python2.7/dist packages/tensorflow/python/client/session.py”，第778行，在run\u metadata\u ptr）文件“/usr/local/lib/python2.7/dist packages/tensorflow/python/client/session.py”，第954行，在运行np\u val=np.asarray中（subfeed\u val，dtype=subfeed\u dtype）文件“/usr/local/lib/python2.7/dist packages/numpy/core/numeric.py”，asarray返回数组（a，dtype，copy=False，order=order）类型错误：float（）参数必须是字符串或数字