Tensorflow-各种错误和解决方案

1 Tensorflow-[版本更替]报错解决方案

AttributeError: ‘module’ object has no attribute ‘SummaryWriter’

tf.train.SummaryWriter

	改为：==tf.summary.FileWriter==

AttributeError: ‘module’ object has no attribute ‘summaries’

tf.merge_all_summaries()

	改为：==summary_op = tf.summary.merge_all()==

AttributeError: ‘module’ object has no attribute ‘histogram_summary’

tf.histogram_summary()

	改为：==tf.summary.histogram()==

• tf.scalar_summary()

    改为：==tf.summary.scalar()==
  

• tf.image_summary()

    改为：==tf.summary.image()==
  

参考：https://github.com/tensorflow/tensorflow/blob/master/tensorflow/tensorboard/README.md

参考：http://blog.csdn.net/edwards_june/article/details/65652385

RuntimeError: get_session is not available when using TensorFlow 2.0.

说明：说明你的tensorflow版本是2.0的，2.0版本没有这个方法；

解决方式：降低tf的版本；

或者

使用tf.compat.v1.keras.backend.get_session代替K.get_session()，后如果接run，去掉run

2.PIL相关

Python Imaging Library (PIL)

• from PIL import Image
  ModuleNotFoundError: No module named ‘PIL’

解决办法：

Step 1：打开命令窗口，Win+R打开运行窗口输入：cmd。
Step 2：进入python安装路径下的Scripts目录中，如：cd C:\Users\Administrator\AppData\Local\Programs\Python\Python37\Scripts。
Step 3：再次输入命令：pip install pillow。_

安装PIL（libjpeg.so.9: cannot open shared object file: No such file or directory）
默认anaconda貌似是没有PIL的，根据https://anaconda.org/anaconda/pil，使用下面命令安装：

conda install -c anaconda pil=1.1.7
但是安装后，莫名其妙的提示：

libjpeg.so.9: cannot open shared object file: No such file or directory
在anaconda/lib文件夹内，有libjpeg.so.8，但是没有libjpeg.so.9（安装PIL之前没出问题，安装后出了问题，不清楚具体原因）

https://github.com/conda-forge/cdo-feedstock/issues/9中，ywangd指出，使用如下命令更新libjpeg就行了：

conda update -c conda-forge jpeg
我这边第一次使用上面命令后，还是libjpeg.so.8，后来又试了一次，就变成libjpeg.so.了。。。哎。

标签: python, torch, anaconda

3

https://www.cnblogs.com/jcraft/p/12425663.html

4 加隐层要注意细节

我自己在用tensorflow训练Mnist 时，尝试加一层隐含层，但是因为不细心，没有把全连接层的参数改对
InvalidArgumentError (see above for traceback): Incompatible shapes: [800] vs. [400]
[[node Accura

#First Convolutional Layer
with tf.name_scope('2rd_CNN'):
	W_conv2 = weight_variable([3, 3, 32, 64])
	h_conv2 = conv2d(h_pool1, W_conv2) #[28,28,32]
	h_pool2 = max_pool_2x2 (h_conv2) #[7,7,32]

##!!!
#Densely Connected Layer
with tf.name_scope('Densely_NN'): 
	W_fc1 = weight_variable([ 7* 7* 64, 256])
	h_pool2_flat = tf.reshape(h_pool2, [-1, 7* 7* 64])#就是这里，没有改成链接的最后一层
	h_fc1= tf.matmul(h_pool2_flat , W_fc1) # [256]

通过更改完全连接层中的值来修复错误

这是经过编辑的代码

# Densely Connected Layer
W_fc1 = weight_variable([2 * 2 * 128, 1024])
b_fc1 = bias_variable([1024])

h_pool2_flat = tf.reshape(h_pool4, [-1, 22128])
h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)