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