Tensorflow 这句话有什么不对？

以下行的回溯是“语法错误”。为什么？ 我该怎么做才能修好它

 w1=tf.Variable(tf.truncated_normal(shape=[3,3,1,20])
 layer=tf.nn.conv2d(input=img,filter=w1,strides=[1,1,1,1],padding='SAME')   

“img”是一个灰度图像（np.数组），1x32x1

但是，以下几行非常有效：

def new_w(shape): 
return tf.Variable(tf.truncated_normal(shape,stddev=0.05))

然后：

   w1=new_w(shape=[3,3,1,20])
   layer=tf.nn.conv2d(input=img,filter=w1,strides=[1,1,1,1],padding='SAME')  

当我说“非常好”的时候，我的意思是这些行也会在一个会话中运行以产生收益 层的数值。这两种形式的陈述有什么不同

来自文档

输入应该是一个tensorflow.Tensor，而你说的img是一个灰度图像（我想象转换成一个numpy.ndarray）

您应该使用图像的值创建一个常量张量，或者创建一个占位符，并将img作为占位符的值输入

例如：

constant_img = tf.constant(img, shape=img.shape, dtype=tf.float32)
layer = tf.nn.conv2d(input=constant_img, filter=w1,strides=[1,1,1,1],padding='SAME')

或

在这两种情况下，图层都是tf.张量，所以您不会看到任何数值数据。要提取数字数据，您必须打开一个会话，并执行以下操作

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

然后，在第一种情况下（常数）

而在第二种情况下（占位符）

---

请看我上面的修改，要点是tf.conv2d的输入参数应该是tensorflow.Tensor，而不是numpy.ndarraytf.conv2d在np.array上运行得非常好。当我写的时候，我检查了一下。这两条语句之间的唯一区别在于过滤器的定义。在第一行中，它是在函数外部定义的，在另外两行中，它是在没有函数的情况下定义的。tf.conv2d在np.array上运行良好。当我写的时候，我检查了一下。这两条语句之间的唯一区别在于过滤器w的定义。在第一行中，它是在函数外部定义的，在另外两行中，它是在函数内部定义的。这就是全部的区别。同样，我在numpy数组上运行tf.nn.conv2d非常好。对不起，我不明白你的答案。我想了解为什么如何定义过滤器很重要。问题不在于输入。也许我在这里没有得到什么。第一行w1=tf.Variable（tf.truncated_normal（shape=[3,3,1,20]）中有一个输入错误。你错过了一个括号，是吗？

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

  layer_val = sess.run([layer])

  layer_val = sess.run([layer], feed_dict={placeholder_img: img})