估算器API：AttributeError：'NoneType'对象没有属性'dtype'

Question

我已经查找了以前对该问题的答案，但尚未解决。 我正在从头开始实现YOLO算法（用于对象检测），并且在训练部分遇到了问题。

为了进行培训，我使用tf.estimator API，并使用类似于Tensorflow 示例中的 CNN MNIST代码的代码。 我收到以下错误：

Traceback (most recent call last):
  File "recover_v3.py", line 663, in <module>
    model.train(input_fn=train_input_fn, steps=1)
  File "/home/nyu-mmvc-019/miniconda3/envs/tf_0/lib/python3.6/site-packages/tensorflow/python/estimator/estimator.py", line 376, in train
    loss = self._train_model(input_fn, hooks, saving_listeners)
  File "/home/nyu-mmvc-019/miniconda3/envs/tf_0/lib/python3.6/site-packages/tensorflow/python/estimator/estimator.py", line 1145, in _train_model
    return self._train_model_default(input_fn, hooks, saving_listeners)
  File "/home/nyu-mmvc-019/miniconda3/envs/tf_0/lib/python3.6/site-packages/tensorflow/python/estimator/estimator.py", line 1170, in _train_model_default
    features, labels, model_fn_lib.ModeKeys.TRAIN, self.config)
  File "/home/nyu-mmvc-019/miniconda3/envs/tf_0/lib/python3.6/site-packages/tensorflow/python/estimator/estimator.py", line 1133, in _call_model_fn
    model_fn_results = self._model_fn(features=features, **kwargs)
  File "recover_v3.py", line 584, in cnn_model_fn
    loss=loss, global_step=tf.train.get_global_step())
  File "/home/nyu-mmvc-019/miniconda3/envs/tf_0/lib/python3.6/site-packages/tensorflow/python/training/optimizer.py", line 400, in minimize
    grad_loss=grad_loss)
  File "/home/nyu-mmvc-019/miniconda3/envs/tf_0/lib/python3.6/site-packages/tensorflow/python/training/optimizer.py", line 494, in compute_gradients
    self._assert_valid_dtypes([loss])
  File "/home/nyu-mmvc-019/miniconda3/envs/tf_0/lib/python3.6/site-packages/tensorflow/python/training/optimizer.py", line 872, in _assert_valid_dtypes
    dtype = t.dtype.base_dtype
AttributeError: 'NoneType' object has no attribute 'dtype'

主文件中与损失函数有关的代码如下所示（类似于CNN MNIST官方示例）：

if mode == tf.estimator.ModeKeys.TRAIN:
    # This gives the LOSS for each image in the batch.
    # It is importing loss function from another file (called loss_fn)
    # Apparently it returns None (not sure)
    loss = loss_fn.loss_fn(logits, labels)

    optimizer = tf.train.AdamOptimizer(learning_rate=params["learning_rate"])

    train_op = optimizer.minimize(
        loss=loss, global_step=tf.train.get_global_step())

    # Wrap all of this in an EstimatorSpec.
    spec = tf.estimator.EstimatorSpec(
        mode=mode,
        loss=loss,
        train_op=train_op,
        eval_metric_ops=None)

    return spec

先前对类似问题的回答表明，损失函数未返回任何结果。 但是，当我尝试使用随机生成的数组进行损失函数时，它可以正常工作并产生正常值。

另外，如果我从损失函数返回一个类似10.0的常数，我仍然会遇到相同的错误。

我不确定现在如何进行。 另外，有什么方法可以打印损失函数返回的损失。 显然，tf.estimator API本身会启动一个tensorflow会话，并且如果我尝试创建另一个会话（以打印损失函数返回的值），则会遇到其他错误。

Answer 1

但是，当我尝试使用随机生成的数组进行损失函数时，它可以正常工作并产生正常值。

看来您的input_fn有问题。 您确定正确实施了吗？

另外，有什么方法可以打印损失函数返回的损失。

估计器每隔global_step％'save_summary_steps'自动在控制台中打印损失函数的值。 您还可以使用标量摘要来跟踪损失函数，如下所示：

tf.summary.scalar('loss', loss)