tensrflow+Python TypeError问题及解决方案 （后续持续更新）

TypeError: int returned non-int (type NoneType)

错误代码

yl是tensorflow里的tensor数据类型

if int(yl.shape.dims[1]) % 2 == 1 and int(yl.shape.dims[2]) % 2 == 1:
    yl = tf.pad(yl, tf.constant([[0, 0], [sz, sz + 1], [sz, sz + 1], [0, 0]]), mode='reflect')

错误原因

如果tensor yl是一个常数型tensor，例如yl = tf.constant(……)，那么上述语法完全没有问题。但是，如果yl是定义的是一个类似形参格式，yl = tf.placeholder(tf.float32, [None, None, None, 3], name='inputs')，那么，对于这样的数据，根本不能确定数据定义为NONE的位置的维度。对一个形参问他是多少本就无法进行。那么上述的错误就出现了

TypeError: int() argument must be a string, a bytes-like object or a number, not ‘Tensor’

错误代码

y = tf.placeholder(tf.float32, [None, None, None, 3], name='inputs')
out_size = int(tf.shape(y)[1])

错误原因

tf.shape(y)[1]是一个tensor，不能转换为整数类型。只能进行下述操作，或者将tensor改变维度后变成整型

out_size = tf.shape(y)[1]

TypeError: Fetch argument 1 has invalid type <class ‘int’>, must be a string or Tensor. (Can not convert a int into a Tensor or Operation.)

报错位置

简单的说就是在sess.run()的位置报错了。

sigma_out, clean_out = self.sess.run([self.out_sigma, self.out_clean],
                                     feed_dict={self.inputs: input, self.gt_sigma: sigma_gt,
                                     self.size: [im_width, im_high], self.inputs_patch: orig_patch, self.is_training: False})

错误原因

其实原因很简单，分为两种，第一种是： feed_dict中给入的数据，本来要求输入一个tensor，结果只给入了一个int
第二种：输出sigma_out, clean_out应该是tensor的，如果是将网络的输出返回的话这一步没什么问题的，但是，如果自己定义一个int型返回，那么也会报错。（我就是这个问题，因为我比较懒，做消融分析时，只是删除了一部分，为了不改变其他代码，删除部分的输出用常数代替，结果就错了）

解决方案

如果要像上述第二种问题替代，也要用定义一个常量tensor替代