tensorflow sess.run() 报错 W tensorflow/core/framework/op_kernel.cc:1192] Invalid argument

最新推荐文章于 2022-04-28 10:16:41 发布
最新推荐文章于 2022-04-28 10:16:41 发布
阅读量1.9k 收藏
点赞数
分类专栏： 深度学习 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/mid_Faker/article/details/105481969
版权

W tensorflow/core/framework/op_kernel.cc:1192] Invalid argument: Name: <unknown>, Key: image/landmark, Index: 0.  Number of float values != expected.  Values size: 10 but output shape: [40]

 

源代码为：

 image_batch_array, label_batch_array, bbox_batch_array,landmark_batch_array
 = sess.run([image_batch, label_batch, bbox_batch,landmark_batch])

tensorflow 使用的训练数据是通过 TFRecord 格式的文件进行 读入和读出的，所以 报错的原因是因为输入输出 指定的格式或者大小不一致产生的。

导致此错误的原因可能有两个方面：

1.写入tfrecord 文件的时候 指定格式和array 的结构没有处理好

2.读取tfrecord 文件的方法中feature 或者 arraysize没有跟tfrecord文件匹配

 

大西瓜不甜
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
解决Tensorflow sess.run导致的内存溢出问题
09-18
今天小编就为大家分享一篇解决Tensorflow sess.run导致的内存溢出问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
tensorflow模型文件(ckpt)转pb文件的方法（不知道输出节点名）
12-20
网上关于tensorflow模型文件ckpt格式转pb文件的帖子很多，本人几乎尝试了所有方法，最后终于成功了，现总结如下。方法无外乎下面两种： 使用tensorflow.python.tools.freeze_graph.freeze_graph 使用graph_util.convert_variables_to_constants 1、tensorflow模型的文件解读 使用tensorflow训练好的模型会自动保存为四个文件，如下 checkpoint：记录近几次训练好的模型结果（名称）。 xxx.data-00000-of-00001: 模型的所有变量的值(weights, b
tensorflow: variable的值与variable.read_value()的值区别详解
12-24
问题 查看 tensorflow api manual 时，看到关于 variable.read_value() 的注解如图： 那么在 tensorflow 中，variable的值 与 variable.read_value()的值 到底有何区别？ 实验代码 # coding=utf-8 import tensorflow as tf # Create a variable. w = tf.Variable(initial_value=10., dtype=tf.float32) sess = tf.InteractiveSession() sess.run(tf.global_vari
TensorFlow 合并/连接数组的方法
12-24
如下所示： import tensorflow as tf a = tf.Variable([4,5,6]) b = tf.Variable([1,2,3]) c = tf.concat(0,[a,b]) init_op = tf.initialize_all_variables() with tf.Session() as sess: sess.run(init_op) print(sess.run(c)) 结果打印： [4 5 6 1 2 3] 以上这篇TensorFlow 合并/连接数组的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持软件开发网。
错误：W tensorflow/core/framework/op_kernel.cc:1273] OP_REQUIRES failed at transpose_op.cc:199
weixin_42654892的博客
07-23 1万+
2019-07-23 10:05:55.269273: W tensorflow/core/common_runtime/bfc_allocator.cc:267] Allocator (GPU_0_bfc) ran out of memory trying to allocate 1.16GiB. Current allocation summary follows. 2019-07-23 1...
sess.run的错误
ningyanggege的博客
10-17 1209
居然把函数传给了sess.,run； 正确如下：
tensorflow 注意命名
u011215144的博客
05-18 4889
这个报错不是数据feed的问题，而是等号左边的g_loss经过一次运算后得到了数值结果，覆盖了原来的g_loss操作，tf处理不了这种命名冲突，所以给变量用名字要注意啊 g_loss=0.01*gen_s_loss+g_c_loss 本身是一个操作。 循环执行一次后就报错 g_loss = sess.run(g_loss, feed_dict={in_: batch_con,s
tensorflow中在使用sess.run时报错
lidichengfo0412的博客
08-21 1432
tensorflow中在使用sess.run时报错TypeError: Fetch argument 6.0811076 has invalid type <class ‘numpy.float32’。具体代码如下： _, loss = sess.run([train_op, loss], feed_dict={x_p:x_data, y_p:y_data}) 原因是sess.run内部的...
tf2.0运行sess.run报错
weixin_42206101的博客
11-03 1529
@[toc](AttributeError: module ‘tensorflow’ has no attribute ‘Session’()) sess = tf.Session() sess.run() 运行上面一行代码的时候会报错 AttributeError: module ‘tensorflow’ has no attribute ‘Session’()，tf1.0是可以执行的，但是tf 2.0以后移除了tf.Session,要是想用这Session的话，得改为 sess = tf.compa
tf2.6 OOM：tensorflow/core/framework/op_kernel.cc:1680] Resource exhausted: failed to allocate memory
君临天下tjm的博客
04-28 2049
2022-04-27 17:16:35.834265: I tensorflow/core/common_runtime/bfc_allocator.cc:1074] total_region_allocated_bytes_: 22727688192 memory_limit_: 22727688192 available bytes: 0 curr_region_allocation_bytes_: 45455376384 2022-04-27 17:16:35.834667: I tensorflo.
tensorflow源码阅读添加一个Op
weixin_43800762的博客
03-24 607
在tensorflow的kernels添加一个op 在tensorflow/core/kernels/目录下新建一个zeroout_op.cc的文件 #include "tensorflow/core/framework/op_kernel.h" #include "tensorflow/core/platform/logging.h" namespace tensorflow { class...
tensorflow基础
ggwcr的博客
08-23 1341
环境：windows 7 tensorflow-GPU 1.3Numpy数组tensorflow的数据类型是基于numpy的数据类型。实际上，语句np.int32 == tf.int32的结果为True。对于数值类型和布尔类型，Tensorflow和Numpydtype属性完全一致。然而在Numpy中并无tf.string精确对应的类型，这是由于Numpy处理字符串的方式决定的。也就是
tensorflow源码阅读-opkernel注册
weixin_43800762的博客
03-13 1497
//tensorflow/core/framework/kernel_def_builder.h #define REGISTER_KERNEL_BUILDER(kernel_builder, ...) \ REGISTER_KERNEL_BUILDER_UNIQ_HELPER(__COUNTER__, kernel_builder, __VA_ARGS__) #define REGISTE...
Tensorflow版本升级出现的sess.run运行错误
weixin_42152487的博客
12-28 1723
网络分享的版本升级之后代码如何修改的资源并不多，对于一个小白短期内想要在不降版本情况下，修改代码块还是比较困难的。经过一番摸爬滚打，终于调通了，废话不多说，开始描述： 出错的代码块 _, summary = self.sess.run([train_op, merged_summary_op], feed_dict={self.X: batch_xs, self.Y_gt
tensorflow_hmm使用Session模块时报错：AttributeError: module ‘tensorflow‘ has no attribute ‘Session‘，已解决
Rnan_prince的博客
09-08 231
tensorflow_hmm：https://pypi.org/project/tensorflow_hmm/ 当运行https://github.com/dwiel/tensorflow_hmm中的examples时候， tf_s = tf.Session().run(tf_s_graph) 出现了如下的错误： 错误的意思是tensortflow模块没有Session属性，后来查阅资料发现，tensorflow2.0版本中的确没有Session这个属性： 如果安装的是tenso..
Invalid argument: Name:＜unknown＞,Feature:weight(data type: float)is required but could not be found
凝眸伏笔的博客
09-10 1151
TensorFlowflow训练模型报错： Invalid argument: Name: <unknown>, Feature: weight (data type: float) is required but could not be found. 问题现场： 2020-09-09 11:03:49.962924: W tensorflow/core/framework/op_kernel.cc:1502] OP_REQUIRES failed at example_parsing_
报错cv2.error: OpenCV(4.1.2) error: (-215:Assertion failed) !_img.empty() in function 'cv::imwrite'
热门推荐
大西瓜不甜的博客
04-17 1万+
Traceback (most recent call last): File "D:/FER/FacePP/decode_json.py", line 174, in <module> demonstrate(r'C:\Users\user-pc\Documents\Dataset\FER\JsonFiles\FacePP\BBQNR\S3\angry\13342.jso...
matplot.show（） 阻塞程序怎么解决
大西瓜不甜的博客
06-27 9828
介绍 在使用matplotlib的过程中，发现不能像matlab一样同时开几个窗口进行比较，于是查询得知了交互模式，但是放在脚本里运行的适合却总是一闪而过，图像并不停留，遂仔细阅读和理解了一下文档，记下解决办法，问题比较简单，仅供菜鸟参考。 python可视化库matplotlib有两种显示模式： 阻塞（block）模式 交互（interactive）模式 在Python Consol命令行中，默认是交互模式。而在python脚本中，matplotlib默认是阻塞模式。 其中的区别是: 在交互模式下：
tensorflow中sess.run训练和预测代码
最新发布
09-24
### 回答1： 下面是 TensorFlow 中使用 session.run() 训练和预测的代码示例： 训练代码： ``` # 创建 TensorFlow session with tf.Session() as sess: # 初始化变量 sess.run(tf.global_variables_initializer()) for i in range(num_steps): # 获取训练数据 x_batch, y_batch = get_next_batch(batch_size) # 运行训练操作 sess.run(train_op, feed_dict={x: x_batch, y: y_batch}) if i % 100 == 0: # 计算损失 loss_value = sess.run(loss, feed_dict={x: x_batch, y: y_batch}) print("Step: %d, Loss: %f" % (i, loss_value)) ``` 预测代码： ``` # 创建 TensorFlow session with tf.Session() as sess: # 加载模型参数 saver.restore(sess, "path/to/model.ckpt") # 获取预测数据 x_test = get_test_data() # 运行预测操作 predictions = sess.run(pred, feed_dict={x: x_test}) ``` 注意：需要对于训练和预测的部分要先定义x,y,train_op,loss,pred,saver等变量或者操作 ### 回答2： 在TensorFlow中，sess.run()是一个非常重要的函数，用于执行计算图中的节点。训练和预测过程都会涉及到sess.run()函数的使用。 在训练代码中，我们首先需要定义一个优化器（如AdamOptimizer），并使用它来最小化我们的损失函数。然后，我们会创建一个会话（session），并使用sess.run()函数来初始化变量。接下来，我们会迭代训练数据，每次迭代都会使用sess.run()函数来计算一个或多个节点的值，并将其用于更新模型参数。最后，我们可以使用sess.run()函数来计算训练过程中的评估指标。 在预测代码中，我们也会创建一个会话，并使用sess.run()函数来初始化变量。接着，我们会将待预测的数据输入到模型中，并使用sess.run()函数来计算输出节点的值。对于分类问题，我们可以通过sess.run()函数将输出节点的值转化为概率分布或预测结果。对于回归问题，我们可以直接使用sess.run()函数得到预测的结果。 需要注意的是，在sess.run()函数中，我们可以指定要计算的节点，也可以同时计算多个节点的值。当使用sess.run()函数计算多个节点的值时，TensorFlow会自动处理节点之间的依赖关系，并按照正确的顺序计算它们。 总结起来，sess.run()函数在TensorFlow中用于执行计算图中的节点，训练过程中可以用来计算损失函数和评估指标，预测过程中可以用来计算输出节点的值并进行结果的转化。 ### 回答3： 在使用tensorflow进行训练和预测时，我们通常会使用`sess.run()`函数来执行相应的操作。 在进行训练时，`sess.run()`函数通常会用来执行训练操作，例如`sess.run(train_op)`，其中`train_op`表示训练操作，可以是优化器的`minimize`函数或其他自定义的训练操作。当执行`sess.run(train_op)`时，tensorflow会自动计算并更新变量的值，以使得模型能够逐渐收敛到最优解。这样，我们就可以利用`sess.run()`来进行模型的训练，通过多次调用这个函数，逐渐迭代参数，提升模型的性能。 而在进行预测时，`sess.run()`函数通常会用来执行模型的预测操作，例如`sess.run(y_pred, feed_dict={x: input_data})`，其中`y_pred`表示模型的预测结果，`x`表示输入数据的占位符，`input_data`表示输入数据的实际值。通过在`feed_dict`参数中提供实际的输入数据，`sess.run()`会根据模型的计算图和输入数据，运行并返回预测结果。这样，我们就可以利用`sess.run()`来获取模型的预测结果，并根据需要进行进一步的处理和分析。 总的来说，`sess.run()`是tensorflow中非常重要的一个函数，通过它我们可以执行模型的训练操作和预测操作，根据需要获取模型的输出结果，并对其进行进一步处理。在使用`sess.run()`时，我们通常需要明确指定待执行的操作和提供相应的输入数据，以使得tensorflow能够正确地执行计算图中定义的操作，获得所需的结果。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值