Tensorflow將張量數組轉換為單張量

Question

我正在構建一個帶有Tensorflow的LSTM RNN，它可以執行逐像素分類（或者，更好的方法就是像素化預測？）

當我解釋標題時，請耐心等待。

網絡如下圖所示......

這個想法是這樣的......大小（200,200）的輸入圖像是大小為（200,200,200）的LSTM RNN的輸入。 從LSTM張量向量（LSTM RNN中的粉紅色框）輸出的每個序列被饋送到MLP，然后MLP進行單個輸出預測 - 像素逐像素預測 （您可以看到一個輸入像素如何生成一個輸出“像素”

代碼看起來像這樣（不是所有代碼，只需要部分代碼）：

...
n_input_x = 200
n_input_y = 200

x = tf.placeholder("float", [None, n_input_x, n_input_y])
y = tf.placeholder("float", [None, n_input_x, n_input_y])

def RNN(x):
    x = tf.transpose(x, [1, 0, 2])
    x = tf.reshape(x, [-1, n_input_x])
    x = tf.split(0, n_steps, x)

    lstm_cell = rnn_cell.BasicLSTMCell(n_hidden, forget_bias=1.0, state_is_tuple=True)
    outputs, states = rnn.rnn(lstm_cell, x, dtype=tf.float32)

    output_matrix = []
    for i in xrange(200):
        temp_vector = []
        for j in xrange(200):
            lstm_vector = outputs[j]
            pixel_pred = multilayer_perceptron(lstm_vector, mlp_weights, mlp_biases)
            temp_vector.append(pixel_pred)
        output_matrix.append(temp_vector)
        print i

    return output_matrix

temp = RNN(x)
pred = tf.placeholder(temp, [None, n_input_x, n_input_y])
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(pred, y))
optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate).minimize(cost)
...

我已經確認RNN的輸出 - 即存儲在temp是200x200的<tf.Tensor 'Softmax_39999:0' shape=(?, 1) dtype=float32>數組<tf.Tensor 'Softmax_39999:0' shape=(?, 1) dtype=float32>

正如您所看到的，我將temp放在相同形狀的tf.placeholder中（批量大小為None ......或者我需要這個嗎？）...程序就像它完成運行一樣退出。 理想情況下，當我調試和打印pred時，我想看到的是像<tf.Tensor shape=(200,200)>

當我調試時，第一次執行pred = tf.placeholder(temp, [None, n_input_x, n_input_y])我得到TypeError: TypeErro...32>]].",)然后它returns ，我再試一次，並且它說Exception AttributeError: "'NoneType' object has no attribute 'path'" in <function _remove at 0x7f1ab77c26e0> ignored

編輯我現在也意識到我需要放置線條

lstm_cell = rnn_cell.BasicLSTMCell(n_hidden, forget_bias=1.0, state_is_tuple=True)
outputs, states = rnn.rnn(lstm_cell, x, dtype=tf.float32)

在第一個循環內部，以便生成新的2D​​ LSTM RNN，但是我收到關於變量重用ValueError: Variable RNN/BasicLSTMCell/Linear/Matrix does not exist, disallowed. Did you mean to set reuse=None in VarScope?的錯誤ValueError: Variable RNN/BasicLSTMCell/Linear/Matrix does not exist, disallowed. Did you mean to set reuse=None in VarScope? ValueError: Variable RNN/BasicLSTMCell/Linear/Matrix does not exist, disallowed. Did you mean to set reuse=None in VarScope?

換句話說，它是不是自動遞增RNN張量名稱？

Answer 1

報告形狀的更方便的方法是使用tf.shape（）。 在你的情況下：

size1 = tf.shape(temp)
sess = tf.Session()
size1_fetched = sess.run(size1, feed_dict = your_feed_dict)

這樣，size1_fetched就像你從NumPy得到的東西。 此外，還給出了特定feed_dict的大小。 例如，你的[無，200,200] Tensor將是[64,200,200]

另一個問題：為什么在流程圖之間有占位符？ 您以后會提供預定義的圖像特征映射嗎？