ValueError: Tensor Tensor(“conv2d_18/Relu:0“, shape=(?, 512, 512, 3), dtype=float32)

最新推荐文章于 2024-07-17 17:51:53 发布

CV_William

最新推荐文章于 2024-07-17 17:51:53 发布

阅读量798

点赞数

分类专栏：日常报错文章标签： tensorflow python django

本文链接：https://blog.csdn.net/weixin_41194171/article/details/126162356

版权

日常报错专栏收录该内容

185 篇文章 11 订阅

订阅专栏

解决django+keras ValueError: Tensor Tensor(“conv2d_18/Relu:0”, shape=(?, 512, 512, 3), dtype=float32) is not an element of this graph.

报错信息

ValueError: Tensor Tensor("conv2d_18/Relu:0", shape=(?, 512, 512, 3), dtype=float32) is not an element of this graph.

排查问题

# 库版本
tensorflow==1.15
keras==2.3.1

# 尝试
在你create/load model 的地方之后加上代码：
self.graph = tf.get_default_graph()

在你使用model之前加上
with self.graph.as_default():
    (... do inference here ...)

# 继续报错
tensorflow.python.framework.errors_impl.FailedPreconditionError: 。。。from Container: localhost. This could mean that the variable was uninitialized. Not found: Container localhost does not exis

# 之后换了一种思路，如下

解决办法

pip install tensorflow==2.0

# 接着解决替换tensorflow2.0后产生的其他报错（相对简单）
# 之后django服务起来了

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

CV_William

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

ValueError: Tensor Tensor(“...”, shape=(?, 6), dtype=float32) is not an element of this graph.解决方法

Henry

10-10

1万+

ValueError: Tensor Tensor(“dense_2/Softmax:0”, shape=(?, 6), dtype=float32) is not an element of this graph. 的解决。在下述代码的运行过程中，出现了标题所述的错误： def test(): time_start2 = time.time() model = load_mod...

TensorFlow基础

qq_40488951的博客

01-18

316

gpu 图像处理器

参与评论您还未登录，请先登录后发表或查看评论

ValueError: Tensor Tensor("dense_2/Softmax:0", shape=(?, 8), dtype=float32) is not an element of thi

Maisie_Nan的博客

11-18

1227

Django整合Keras报错在正常的 python 程序里运行没有问题，在 django 里将模型加载与模型使用的代码放在一起也没有问题，但是一旦将加载与使用的过程分开就会出现这个问题解决方法在初始化加载模型之后，就随便生成一个向量让 model 执行一次 predict 函数，之后再使用就不会有问题了我自己的代码： saved_model_weights_file_path...

【tensorflow 错误解决】Tensor Tensor("predictions/Softmax:0",shape=(?,4),dtype=float32) is not an element

赖德发的博客

09-28

7440

错误描述： ValueError : Tensor Tensor("predictions/Softmax:0",shape=(?,4),dtype=float32) is not an element of this graph 在进行加载模型进行预测时报这个错误。问题描述：在keras+tensorflow框架下训练神经网络并得到权重h5文件。在之后需要调用的python代码中读取权重...

keras 报错 ValueError: Tensor conversion requested dtype int32 for Tensor with dtype float32: 'Tensor(...

weixin_30340617的博客

08-16

2475

在服务器上训练并保存模型，复制到本地之后load_model()报错: ValueError: Tensor conversion requested dtype int32 for Tensor with dtype float32: 'Tensor("embedding_1/random_uniform:0", shape=(5001, 128), dtype=float32)' ...

将一个tensor可视化

最新发布

m0_49133355的博客

07-17

305

在这个示例中，我们使用了 permute(1, 2, 0) 将张量的通道顺序从 (3, 64, 64) 调整为 (64, 64, 3)，然后将其转换为 numpy 数组，并使用 imshow 函数显示了这张图片。通道顺序: 在使用 matplotlib 可视化时，通常需要将张量的通道顺序调整为 (H, W, C)，而在使用 PIL 可视化时，则不需要进行这样的调整。这段代码首先使用 matplotlib 将张量可视化为彩色图片，然后使用 PIL 显示相同的张量。使用 matplotlib 可视化张量。

time_distributed = time_distributed_layer(posecd) ValueError: Input tensor must be of rank 3, 4 or 5 but was 2

06-06

time_distributed_layer = TimeDistributed(Conv1D(filters=16, kernel_size=3, activation='relu')) time_distributed = time_distributed_layer(posecd) ``` 这里我们使用了`tf.expand_dims()`函数将posecd张量...

ValueError: Exception encountered when calling layer 'model' (type Functional). Input 0 of layer "conv2d" is incompatible with the layer: expected min_ndim=4, found ndim=3. Full shape received: (None, None, None) Call arguments received by layer 'model' (type Functional): • inputs=tf.Tensor(shape=(None, None, None), dtype=float32) • training=True • mask=None显示了这个错误可以帮我改一下程序嘛

05-31

x = tf.keras.layers.Conv2D(32, (3, 3), activation='relu')(inputs) x = tf.keras.layers.MaxPooling2D((2, 2))(x) x = tf.keras.layers.Flatten()(x) x = tf.keras.layers.Dense(64, activation='relu')(x) ...

import torch import os import torch.nn as nn import torch.optim as optim import numpy as np import random import matplotlib.pyplot as plt class Net(nn.Module): def init(self): super(Net, self).init() self.conv1 = nn.Conv2d(1, 16, kernel_size=3,stride=1) self.pool = nn.MaxPool2d(kernel_size=2,stride=2) self.conv2 = nn.Conv2d(16, 32, kernel_size=3,stride=1) self.fc1 = nn.Linear(32 * 9 * 9, 120) self.fc2 = nn.Linear(120, 84) self.fc3 = nn.Linear(84, 2) def forward(self, x): x = self.pool(nn.functional.relu(self.conv1(x))) x = self.pool(nn.functional.relu(self.conv2(x))) x = x.view(-1, 32 * 9 * 9) x = nn.functional.relu(self.fc1(x)) x = nn.functional.relu(self.fc2(x)) x = self.fc3(x) return x net = Net() criterion = nn.CrossEntropyLoss() optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9) folder_path1 = 'random_matrices2' # 创建空的tensor x = torch.empty((40, 1, 42, 42)) # 遍历文件夹内的文件，将每个矩阵转化为tensor并存储 for j in range(40): for j in range(40): file_name = 'matrix_{}.npy'.format(i) file_path1 = os.path.join(folder_path1, file_name) matrix1 = np.load(file_path1) x[j] = torch.from_numpy(matrix1).unsqueeze(0) folder_path2 = 'random_label2' y = torch.empty((40, )) for k in range(40): for k in range(40): file_name = 'label_{}.npy'.format(i) file_path2 = os.path.join(folder_path2, file_name) matrix2 = np.load(file_path2) y[k] = torch.from_numpy(matrix2) losses = [] for epoch in range(10): running_loss = 0.0 for i in range(40): inputs, labels = x[i], y[i] optimizer.zero_grad() outputs = net(inputs) loss = criterion(outputs, labels) loss.backward() optimizer.step() running_loss += loss.item() losses.append(running_loss / 40) print('[%d] loss: %.3f' % (epoch + 1, running_loss / 40)) print('Finished Training') plt.plot(losses) plt.xlabel('Epoch') plt.ylabel('Loss') plt.show() 报错：ValueError: Expected input batch_size (1) to match target batch_size (0). 不改变y的形状，改变输出，怎么修改？

05-25

你可以在创建空的tensor y 时，指定数据类型为 long 并且指定 y 的维度为 (40,1)，然后在读取标签文件时，先将 numpy 数组转换为 torch tensor，并且使用 squeeze() 方法将维度为 1 的维度去掉，最后使用 view() ...

TensorRT的sample：yolov3_onnx

xiaolajiruirui的博客

01-10

348

TensorRT/Sample/python/yolo_onnx环境：结果：yolov3_to_onnx.pyonnx_to_tensorrt.pydata_processing.py 吐槽：官方给的例子（https://github.com/NVIDIA/TensorRT/samples/python）居然要python2运行，而且错误好多… 参考：https://www.cnblogs.com/shouhuxianjian/p/10550262.html，稍加修改环境： onnx 1.2.1 Tens

解决并搞清原因：ValueError: Tensor Tensor(“..”, shape=(?, 6), dtype=float32) is not an element of this graph

qq_42026094的博客

03-22

1135

将python文件上方的tensorflow引入改为函数内引入，即tensorflow会在接受request请求后才会启动生成graph和检测任务在同一线程。以request请求执行检测函数时，开启另一个线程，检测任务在第二个线程调用graph时无法使用第一个线程的graph，因此报错。web项目启动时开启一个线程，此时预编译引入tensorflow生成一张graph图；启动web项目[django/flask]时，使用检测模型执行检测任务时。即报错tensor的元素不是此图的。个人理解，有不对欢迎指正。

【TensorFlow】带你搞懂 TensorFlow 中的张量数据结构

m0_51816252的博客

09-10

657

Tensorflow的基本数据结构是张量Tensor。张量即多维数组。Tensorflow的张量和numpy中的array很类似。从行为特性来看，有两种类型的张量，常量constant和变量Variable. 常量的值在计算图中不可以被重新赋值，变量可以在计算图中用assign等算子重新赋值。

TextCNN

weixin_47532216的博客

11-15

1046

其中24指的是filter的个数。 Tensor(“conv1d_20/Relu:0”, shape=(?, 49999, 24), dtype=float32) Tensor(“global_max_pooling1d_41/Max:0”, shape=(?, 24), dtype=float32) Tensor(“conv1d_21/Relu:0”, shape=(?, 49997, 24), dtype=float32) Tensor(“global_max_pooling1d_43/Max:0”,

pytorch张量张量操作

hhhhxxn的博客

11-25

2334

一、改变张量的形状改变张量的形状在深度学习的使用过程中会经常遇到，而且针对不同的情况对张量形状尺寸的改变有多种函数和方法可以使用 tensor.reshape()方法 import torch A = torch.arange(12.0).reshape(3,4) A # tensor([[ 0., 1., 2., 3.], # [ 4., 5., 6., 7.], # [ 8., 9., 10., 11.]]) torch.reshape()方法 impo

解决ValueError: Tensor("Variable:0" dtype=float32_ref) must be from the same graph as Tensor("Reshape:

四平的博客

04-09

7606

#解决django中调用CNN模型出现ValueError: Tensor(“Variable:0” dtype=float32_ref) must be from the same graph as Tensor(“Reshape:0”, shape=(?, 2 8, 28, 1), dtype=float32)的问题@TOC 在同一个.py文件中可以实现，不会报错，在外部的.py文件中调用预测...

在Flask使用TensorFlow的几个常见错误