InvalidArgumentError: 無法計算 Sub 作為輸入 #1（從零開始）應該是一個 uint8 張量，但它是一個浮點張量 [Op:Sub]

Question

題

請幫助了解錯誤原因以及如何解決。

代碼

import tensorflow as tf
import numpy as np

fashion_mnist = tf.keras.datasets.fashion_mnist
(x_train, y_train), (x_test, y_test) = fashion_mnist.load_data()
x_full = np.concatenate((x_train, x_test), axis=0)

layer = tf.keras.layers.experimental.preprocessing.Normalization()
layer.adapt(x_full)
layer(x_train)

錯誤

---------------------------------------------------------------------------
InvalidArgumentError                      Traceback (most recent call last)
<ipython-input-16-699c47b6db55> in <module>
----> 1 ds = layer(x_train)

~/conda/envs/tensorflow/lib/python3.7/site-packages/tensorflow/python/keras/engine/base_layer.py in __call__(self, *args, **kwargs)
    966           with base_layer_utils.autocast_context_manager(
    967               self._compute_dtype):
--> 968             outputs = self.call(cast_inputs, *args, **kwargs)
    969           self._handle_activity_regularization(inputs, outputs)
    970           self._set_mask_metadata(inputs, outputs, input_masks)

~/conda/envs/tensorflow/lib/python3.7/site-packages/tensorflow/python/keras/layers/preprocessing/normalization.py in call(self, inputs)
    109     mean = array_ops.reshape(self.mean, self._broadcast_shape)
    110     variance = array_ops.reshape(self.variance, self._broadcast_shape)
--> 111     return (inputs - mean) / math_ops.sqrt(variance)
    112 
    113   def compute_output_shape(self, input_shape):

~/conda/envs/tensorflow/lib/python3.7/site-packages/tensorflow/python/ops/math_ops.py in binary_op_wrapper(x, y)
    982     with ops.name_scope(None, op_name, [x, y]) as name:
    983       if isinstance(x, ops.Tensor) and isinstance(y, ops.Tensor):
--> 984         return func(x, y, name=name)
    985       elif not isinstance(y, sparse_tensor.SparseTensor):
    986         try:

~/conda/envs/tensorflow/lib/python3.7/site-packages/tensorflow/python/ops/gen_math_ops.py in sub(x, y, name)
  10098         pass  # Add nodes to the TensorFlow graph.
  10099     except _core._NotOkStatusException as e:
> 10100       _ops.raise_from_not_ok_status(e, name)
  10101   # Add nodes to the TensorFlow graph.
  10102   _, _, _op, _outputs = _op_def_library._apply_op_helper(

~/conda/envs/tensorflow/lib/python3.7/site-packages/tensorflow/python/framework/ops.py in raise_from_not_ok_status(e, name)
   6651   message = e.message + (" name: " + name if name is not None else "")
   6652   # pylint: disable=protected-access
-> 6653   six.raise_from(core._status_to_exception(e.code, message), None)
   6654   # pylint: enable=protected-access
   6655 

~/conda/envs/tensorflow/lib/python3.7/site-packages/six.py in raise_from(value, from_value)

InvalidArgumentError: cannot compute Sub as input #1(zero-based) was expected to be a uint8 tensor but is a float tensor [Op:Sub]

嘗試

試過 dtype arg 但同樣的錯誤。

layer = tf.keras.layers.experimental.preprocessing.Normalization(dtype='float32')

除以 1.0 解決了問題，但不確定原始原因。

x_full = np.concatenate((x_train, x_test), axis=0) / 1.0
x_train = x_train / 1.0

Keras 只適用於 float32 嗎？

相關問題

• tensorflow 2 中的 InvalidArgumentError 是什么意思？
• InvalidArgumentError：無法計算 MatMul，因為輸入 #0（從零開始）預計是浮點張量，但它是雙張量 [Op:MatMul]

Answer 1

原因是preprocessing.Normalization expect float32但您的數據是uint8 ，因此出現錯誤。

這實際上是 Tensorflow 的問題，而不是 Keras 本身，因為這是更快的計算。

提醒：處理器中不同位置的 float 和 int 計算，每個處理器在不同數據類型上有不同的性能，例如 nvidia 的 gpus 使用float32比float16更快，而 arm cpus 使用 16 更快。

Pytorch 也需要兩個變量是相同的數據類型，否則它將不起作用。

將 integer 與 python 中的浮點數相除會自動為您提供一個新的浮點數， x_train = x_train / 1.0將使x_train float32 （或float64或float16 ，具體取決於您在~/.keras/keras.json中的內容，但此處有float32 ）。