ValueError：无法为张量为'（？，224，224，3）'的张量'Placeholder_3：0'输入形状（224，224，3）的值

Question

我是Tensorflow的新手，我尝试训练CNN模型以在将来对面孔进行分类。 我有一个由56个人组成的图像数据集，其裁剪的面孔为numpy数组，其形状为[-1,224,224,3]和float32类型。 当我尝试将feed_dict输入到tensorflow中时，我只是将我的train_X和train_Y看起来像是输入到tensorflow中一样

我得到了典型的错误ValueError：无法为张量'Placeholder_3：0'提供形状（（,, 224，224，3）'的形状（224，224，3）的值。 看起来很容易理解，但我不知道如何修改代码以使其正常工作。

我的Tensorflow代码在这里

import tensorflow as tf

config = tf.ConfigProto()
config.gpu_options.allocator_type = 'BFC'
#config.gpu_options.allow_growth = True
config.gpu_options.per_process_gpu_memory_fraction = 0.6


n_classes = 56
batch_size = 1
hm_epochs = 100


#x = tf.placeholder('float', [None, 150528])
x = tf.placeholder('float', [None, 224,224,3])
y = tf.placeholder('float')


keep_rate = 0.8
keep_prob = tf.placeholder(tf.float32)

def conv2d(x, W):
    return tf.nn.conv2d(x, W, strides=[1,1,1,1], padding='SAME')

def maxpool2d(x):
    #                        size of window         movement of window
    return tf.nn.max_pool(x, ksize=[1,2,2,1], strides=[1,2,2,1], padding='SAME')


def convolutional_neural_network(x):
    weights = {'W_conv1':tf.Variable(tf.random_normal([5,5,3,32])),
               'W_conv2':tf.Variable(tf.random_normal([5,5,32,64])),
               'W_fc':tf.Variable(tf.random_normal([224*224*3,1024])),
               'out':tf.Variable(tf.random_normal([1024, n_classes]))}

    biases = {'b_conv1':tf.Variable(tf.random_normal([32])),
              'b_conv2':tf.Variable(tf.random_normal([64])),
              'b_fc':tf.Variable(tf.random_normal([1024])),
              'out':tf.Variable(tf.random_normal([n_classes]))}

    x = tf.reshape(x, shape=[-1, 224, 224, 3])
    #x = train_X

    #creating the first layer of CNN
    conv1 = tf.nn.relu(conv2d(x, weights['W_conv1']) + biases['b_conv1']) # activation function 1
    conv1 = maxpool2d(conv1)

    #creating the second layer of CNN
    conv2 = tf.nn.relu(conv2d(conv1, weights['W_conv2']) + biases['b_conv2']) # activation function 2
    conv2 = maxpool2d(conv2)

    fc = tf.reshape(conv2,[-1, 224*224*3])
    fc = tf.nn.relu(tf.matmul(fc, weights['W_fc'])+biases['b_fc'])
    fc = tf.nn.dropout(fc, keep_rate)
    output = tf.matmul(fc, weights['out'])+biases['out']

    return output



def train_neural_network(x):


    i = 0

    prediction = convolutional_neural_network(x)
    cost = tf.reduce_mean( tf.nn.softmax_cross_entropy_with_logits(logits=prediction,labels=y) )

    optimizer = tf.train.AdamOptimizer().minimize(cost)

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

        for epoch in range(hm_epochs):
            epoch_loss = 0
            for _ in range(int(len(train_X)/batch_size)):
                _, c = sess.run([optimizer, cost], feed_dict={x: train_X[i:i+batch_size], y: train_y[i:i+batch_size]}) #HERE IS THE ERROR
                epoch_loss += c
                i += 100


        print('Epoch', epoch, 'completed out of',hm_epochs,'loss:',epoch_loss)



train_neural_network(x)

如果有人能够帮助我全力以赴，我会很高兴。 预先感谢您的所有帮助。 PS再见，我需要按我的GPU不会给我OOM的方式来批处理数据。 因为我可以更改进纸方式以排除批处理，所以除了OOM错误以外，它都可以正常工作。 有趣的故事是，当我重新启动内核并再次运行它时。 发生了另一个错误-InvalidArgumentError（请参见上面的回溯）：要整形的输入是具有200704值的张量，但是请求的形状需要150528的倍数。200704根本不能在这里，因为当我使用时，这是224 * 224 * 4只有224 * 224 * 3

Answer 1

fc层的形状不正确。

#W_fc':tf.Variable(tf.random_normal([224*224*3,1024]))
W_fc':tf.Variable(tf.random_normal([56*56*64,1024]))

#fc = tf.reshape(conv2,[-1, 224*224*3])
fc = tf.reshape(conv2,[-1, 56*56*64])

在输入图像上应用卷积和最大池化时，将获得以下尺寸的特征图。

输入图像：224x224x3
|
（转换1）224x224x32
|
（最大池）112x112x32
|
（转换2）112x112x64
|
（最大池）56x56x64

我如上所述修复了您的代码，它可以正常工作。
请尝试一下。