I die schlanke Bibliothek bin mit meinem eigenen resnet_v2_152 zu trainieren undtf.train.batch Form Fehlpaarung mit sich selbst definiert np.array Daten
mein eigenes Bild numpy Arraydaten konstruieren, die mit 20 Bildern gestapelt ist.
Es bedeutet, dass meine numpy Array-Größe
sein[224, 224, 20]
ich nicht Problem, wenn die Daten in tfrecords Umwandlung von Bytes Umwandlung und nutzen Sie die Bildarraydaten nach vorverarbeitet, aber es zeigt immer den Fehler von
mitINFO:tensorflow:Error reported to Coordinator:
<class 'tensorflow.python.framework.errors_impl.InvalidArgumentError'>,
Shape mismatch in tuple component 0. Expected [224,224,3], got [224,224,20]
und
OutOfRangeError (see above for traceback): FIFOQueue '_5_batch/fifo_queue'
is closed and has insufficient elements (requested 1, current size 0)
wenn ich gelten die tf.trai n.batch
Unten ist der Teil meines Codes,
dataset = dataset_factory.get_dataset(
FLAGS.datasetname, FLAGS.dataset, FLAGS.dataset_dir)
network_fn = nets_factory.get_network_fn(
FLAGS.model_name,
num_classes=101,
is_training=True)
provider = slim.dataset_data_provider.DatasetDataProvider(
dataset,
num_readers=4,
common_queue_capacity=20 * FLAGS.batch_size,
common_queue_min=10 * FLAGS.batch_size)
[image, label] = provider.get(['image', 'label'])
label -= 0
preprocessing_name = FLAGS.preprocessing_name or FLAGS.model_name
image_preprocessing_fn = preprocessing_factory.get_preprocessing(preprocessing_name, is_training=True)
eval_image_size = FLAGS.eval_image_size or network_fn.default_image_size
image = image_preprocessing_fn(image, eval_image_size, eval_image_size)
#Batch size is 1
images, labels = tf.train.batch(
[image, label],
batch_size=FLAGS.batch_size,
num_threads=4,
capacity=5 * FLAGS.batch_size)
init_op = tf.group(tf.global_variables_initializer(),
tf.local_variables_initializer())
#This part to see the fetched results
with tf.Session() as sess:
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(coord=coord)
sess.run(init_op)
im = sess.run(images)
l = sess.run(label)
coord.request_stop()
coord.join(threads)
Ich bestehen darauf, den Stil in train_image_classifier.py zu folgen, weil ich die Standard-Trainingsmuster durch die schlanke Bibliothek nutzen möchte .
Ich werde wirklich Ihre Hilfe und Antworten zu schätzen wissen. Dank