Tensorflow 使用图像作为双向LSTM网络的输入

我想知道在作为双向LSTM的输入输入输入之前如何处理图像。每当我运行我的代码时，总是会出现以下错误：

AttributeError: 'list' object has no attribute 'get_shape'

从这一行：

outputs, _, _ = tf.nn.bidirectional_dynamic_rnn(lstm_fw_cell, lstm_bw_cell, x, dtype=tf.float32)

下面是我的代码中与此问题相关的一部分：

def bi_rnn(features, labels, mode):
    x = tf.unstack(features, num_inputs, 1)
    ... # cell initialization
    # Get lstm cell output
    try:
        outputs, _, _ = tf.nn.bidirectional_dynamic_rnn(lstm_fw_cell, lstm_bw_cell, x, dtype=tf.float32)

... 

def serving_input_fn():
    feature_placeholders = {
        'features': tf.placeholder(tf.float32, [None, num_inputs])
    }
    features = {
        key: tf.expand_dims(tensor, -1) for key, tensor in feature_placeholders.items()
    }
    features = tf.squeeze(features, axis=[2])
    return InputFnOps(features, None, feature_placeholders)

def read_dataset(img_paths, labels):
    def _input_fn():
        ... # reading image paths omitted
        image_files = tf.image.decode_png(image_files)
        image_files = tf.image.resize_images(image_files, [1024, 128])
        image_files = evaluate_images(image_files)
        ... # labels part omitted
        return tf.convert_to_tensor(np.array(image_files)), labels2
    return _input_fn

---

我几乎已经放弃了这一点，开始工作了。它没有使用与此不同的TFLearn功能。我最近正在处理的一个问题，您可以查看。

我无法使用提供的代码和错误跟踪确切的错误（具有完整堆栈跟踪通常比仅跟踪错误更有用），但我猜您正在传递一个python列表，其中该方法需要一个张量。下面是包含代码和堆栈跟踪的要点，不确定这是否是问题所在，但双向动态文档要求

输入
（
x
）是张量或张量元组。在gist中的代码中，它是一个列表（由
tf.unstack
返回）。我不知道你为什么需要在那里调用
tf.unstack
？