TypeError：tf.image.per_image_standardization（x）之后無法將圖像數據轉換為float

Question

我在plt.imshow遇到以下錯誤

TypeError: Image data cannot be converted to float

對於此代碼：

import keras
import tensorflow as tf
import matplotlib.pyplot as plt
mnist = keras.datasets.mnist

(train_images, train_labels), (test_images, test_labels) = mnist.load_data()

def preprocess(x):
    x = tf.image.per_image_standardization(x)
    return x

train_images = preprocess(train_images)
test_images = preprocess(test_images)

plt.figure()
plt.imshow(train_images[1])
plt.colorbar()
plt.grid(False)
plt.show()

任何想法為什么會這樣？ 謝謝！

Answer 1

在您的腳本中， train_images不包含實際數據，而只是占位符張量：

train_images[1]
<tf.Tensor 'strided_slice_2:0' shape=(28, 28) dtype=float32>

最簡單的解決方案是在腳本頂部啟用急切執行：

tf.enable_eager_execution()

這意味着在運行時，張量實際上將包含您嘗試繪制的數據：

train_images[1]
<tf.Tensor: id=95, shape=(28, 28), dtype=float32, numpy=
array([[-0.4250042 , -0.4250042 , -0.4250042 , -0.4250042 , -0.4250042 ,
        -0.4250042 , -0.4250042 , -0.4250042 , -0.4250042 , -0.4250042 ,
        -0.4250042 , -0.4250042 , -0.4250042 , -0.4250042 , -0.4250042 ,
        -0.4250042 , -0.4250042 , -0.4250042 , -0.4250042 , -0.4250042 ,
        -0.4250042 , -0.4250042 , -0.4250042 , -0.4250042 , -0.4250042 ,
        -0.4250042 , -0.4250042 , -0.4250042 ], # etc

哪個應該解決您的錯誤。 您可以在TF的網站上了解有關急切執行的更多信息。

或者，您也可以通過在會話中實際評估圖像張量來繪制圖：

with tf.Session() as sess:
    img = sess.run(train_images[1])
    plt.figure()
    plt.imshow(img)
    plt.colorbar()
    plt.grid(False)
    plt.show()