python - tutorial - Tensorflow Slim: TypeError: se esperaba int32, obteniendo una lista que contiene los tensores del tipo ''_Message''

tensorflow tutorial pdf

Question

Estoy siguiendo this tutorial para aprender TensorFlow Slim pero al ejecutar el siguiente código para Inception:

import numpy as np
import os
import tensorflow as tf
import urllib2
from datasets import imagenet
from nets import inception
from preprocessing import inception_preprocessing
slim = tf.contrib.slim
batch_size = 3
image_size = inception.inception_v1.default_image_size
checkpoints_dir = ''/tmp/checkpoints/''
with tf.Graph().as_default():
url = ''https://upload.wikimedia.org/wikipedia/commons/7/70/EnglishCockerSpaniel_simon.jpg''
image_string = urllib2.urlopen(url).read()
image = tf.image.decode_jpeg(image_string, channels=3)
processed_image = inception_preprocessing.preprocess_image(image, image_size, image_size, is_training=False)
processed_images = tf.expand_dims(processed_image, 0)
# Create the model, use the default arg scope to configure the batch norm parameters.
with slim.arg_scope(inception.inception_v1_arg_scope()):
logits, _ = inception.inception_v1(processed_images, num_classes=1001, is_training=False)
probabilities = tf.nn.softmax(logits)
init_fn = slim.assign_from_checkpoint_fn(
os.path.join(checkpoints_dir, ''inception_v1.ckpt''),
slim.get_model_variables(''InceptionV1''))
with tf.Session() as sess:
init_fn(sess)
np_image, probabilities = sess.run([image, probabilities])
probabilities = probabilities[0, 0:]
sorted_inds = [i[0] for i in sorted(enumerate(-probabilities), key=lambda x:x[1])]
plt.figure()
plt.imshow(np_image.astype(np.uint8))
plt.axis(''off'')
plt.show()
names = imagenet.create_readable_names_for_imagenet_labels()
for i in range(5):
index = sorted_inds[i]
print(''Probability %0.2f%% => [%s]'' % (probabilities[index], names[index]))

Parece que estoy recibiendo este conjunto de errores:

Traceback (most recent call last):
File "DA_test_pred.py", line 24, in <module>
logits, _ = inception.inception_v1(processed_images, num_classes=1001, is_training=False)
File "/home/deepankar1994/Desktop/MTP/TensorFlowEx/TFSlim/models/slim/nets/inception_v1.py", line 290, in inception_v1
net, end_points = inception_v1_base(inputs, scope=scope)
File "/home/deepankar1994/Desktop/MTP/TensorFlowEx/TFSlim/models/slim/nets/inception_v1.py", line 96, in inception_v1_base
net = tf.concat(3, [branch_0, branch_1, branch_2, branch_3])
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/ops/array_ops.py", line 1053, in concat
dtype=dtypes.int32).get_shape(
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/ops.py", line 651, in convert_to_tensor
as_ref=False)
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/ops.py", line 716, in internal_convert_to_tensor
ret = conversion_func(value, dtype=dtype, name=name, as_ref=as_ref)
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/constant_op.py", line 176, in _constant_tensor_conversion_function
return constant(v, dtype=dtype, name=name)
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/constant_op.py", line 165, in constant
tensor_util.make_tensor_proto(value, dtype=dtype, shape=shape, verify_shape=verify_shape))
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/tensor_util.py", line 367, in make_tensor_proto
_AssertCompatible(values, dtype)
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/tensor_util.py", line 302, in _AssertCompatible
(dtype.name, repr(mismatch), type(mismatch).__name__))
TypeError: Expected int32, got list containing Tensors of type ''_Message'' instead.

Esto es extraño porque todo este código es de su guía oficial. Soy nuevo en TF y cualquier ayuda sería apreciada.

Answer 1

Encontré a la mayoría de las personas respondiendo mal. Es solo debido al cambio en el tf.concat. Funciona de la siguiente manera.

net = tf.concat(3, [branch_0, branch_1, branch_2, branch_3])

usa lo siguiente

net = tf.concat(values=[branch_0, branch_1, branch_2, branch_3],axis=3,)

Recuerde que al pasar los argumentos de la palabra clave deben estar antes que los demás.

Answer 2

Obtuve el mismo error cuando hice el trabajo.

encontre eso

logits = tf.nn.xw_plus_b(tf.concat(outputs, 0), w, b)
loss = tf.reduce_mean(
tf.nn.softmax_cross_entropy_with_logits(
labels=tf.concat(train_labels, 0), logits=logits))

La salida es la shape=(10, 64, 64) .

El código quiere salidas concat [0] a salidas [9] => obtener una nueva forma (640,64).

Pero la API "tf.concat" puede no permitir hacer esto.

(train_labels mismo a esto)

Entonces escribo a

A = tf.concat(0,[outputs[0],outputs[1]])
A = tf.concat(0,[A,outputs[2]])
A = tf.concat(0,[A,outputs[3]])
A = tf.concat(0,[A,outputs[4]])
A = tf.concat(0,[A,outputs[5]])
A = tf.concat(0,[A,outputs[6]])
A = tf.concat(0,[A,outputs[7]])
A = tf.concat(0,[A,outputs[8]])
A = tf.concat(0,[A,outputs[9]])
B = tf.concat(0,[train_labels[0],train_labels[1]])
B = tf.concat(0,[B,train_labels[2]])
B = tf.concat(0,[B,train_labels[3]])
B = tf.concat(0,[B,train_labels[4]])
B = tf.concat(0,[B,train_labels[5]])
B = tf.concat(0,[B,train_labels[6]])
B = tf.concat(0,[B,train_labels[7]])
B = tf.concat(0,[B,train_labels[8]])
B = tf.concat(0,[B,train_labels[9]])
logits = tf.nn.xw_plus_b(tf.concat(0, A), w, b)
loss = tf.reduce_mean(
tf.nn.softmax_cross_entropy_with_logits(
labels=tf.concat(0, B), logits=logits))

¡Puede funcionar!

Answer 3

Tengo el mismo problema cuando uso el 1.0 liberado y podría hacerlo funcionar sin tener que retroceder en una versión anterior.

El problema es causado por un cambio en la API. Esa discusión me ayudó a encontrar la solución: Grupo de Google> Cambios recientes de API en TensorFlow

Solo tienes que actualizar toda la línea con tf.concat

por ejemplo

net = tf.concat(3, [branch_0, branch_1, branch_2, branch_3])

debe cambiarse a

net = tf.concat([branch_0, branch_1, branch_2, branch_3], 3)

Nota:

Pude usar los modelos sin problema. Pero todavía tengo error después cuando quiero cargar el peso pre-entrenamiento. Parece que el módulo delgado sufrió varios cambios desde que crearon el archivo de punto de control. El gráfico creado por el código y el presente en el archivo de punto de control fueron diferentes.

Nota 2:

Pude usar los pesos pretrain para inception_resnet_v2 agregando a todos la capa biases_initializer=None

Answer 4

escribir explícitamente el nombre de los argumentos resuelve el problema.

en lugar de

net = tf.concat(3, [branch_0, branch_1, branch_2, branch_3])

utilizar

net = tf.concat(axis=3, values=[branch_0, branch_1, branch_2, branch_3])