0
Code:Keras InceptionV3 model.predict
from keras.applications import InceptionV3
model = InceptionV3(weights="imagenet")
shape = (None,image_size,image_size,num_channels)
x = tf.placeholder(tf.float32, shape=shape)
adv_x,grad_x = fgm(x, model, model.predict(x), y=y, targeted=True, eps=0, clip_min=-0.5, clip_max=0.5)
adv_,grad_ = batch_eval(sess, [x,y], [adv_x,grad_x], [inputs,targets], args={'batch_size': args['batch_size']})
model.predict(x)
Fehler:
File "/u/.../env/lib/python3.5/site-packages/keras/engine/training.py", line 1594, in predict
batch_size=batch_size, verbose=verbose)
File "/u/.../env/lib/python3.5/site-packages/keras/engine/training.py", line 1208, in _predict_loop
batches = _make_batches(samples, batch_size)
File "/u/.../env/lib/python3.5/site-packages/keras/engine/training.py", line 364, in _make_batches
num_batches = int(np.ceil(size/float(batch_size)))
TypeError: unsupported operand type(s) for /: 'Dimension' and 'float'
I model.predict auf aktuellen Bildern verwenden können, aber mit diesem Fehler auf tf.placeholders oder tf.variables am Ende Kann mir jemand helfen, diesen Fehler zu debuggen?
Ich verwende die Kluger Hans-Bibliothek, wo symbolische Angriffe in tensorflow gebaut werden. Bearbeitete die obige Frage. Ich sollte dies tun können, während ich meine eigenen sequentiellen MNIST- und CIFAR-Modelle erstelle, und dieser Code kann ausgeführt werden. Warum unterscheidet sich das vortrainierte Modell? –