Когда я пытаюсь изменить свои тренировочные данные, я получаю эту ошибку .... ValueError: невозможно преобразовать массив размером 568 в форму (28,28,3)

Question

Вот где я читал изображения:

train = []
imgsize = 28
    for image_name in image_name_list:
        im = cv2.imread(path_string + image_name +'.jpg')
        new = cv2.resize(im,(imgsize, imgsize))
        train.append(new)

В учебном пособии, которое я использовал, я не уверен, почему мы должны были l oop X, Y на разные переменные через измененный список изображений. Я предполагал, что это должно было разделить данные обучения и данные тестирования:

X = []
Y = []
for features, labels in enumerate(train):
    X.append(features)
    Y.append(labels)
X = np.array(X).reshape(-1, imgsize, imgsize, 3)

Я знаю, что последнее число указывает, является ли это серой шкалой или RGB, но мне нужен цвет, потому что мои изображения требуют цвета

ValueError: невозможно преобразовать массив размером 568 в форму (28,28,3)

Answer 1

Вам нужно установить фиксированный размер входного тензора при замораживании вашей модели.

import tensorflow as tf
import os
from tensorflow.python.tools.freeze_graph import freeze_graph
import models
import utils
import image_utils as im
import numpy as np

FLAGS = tf.flags.FLAGS

tf.flags.DEFINE_string('checkpoint_dir', './checkpoints/photo2cartoon', 'checkpoints directory path')
tf.flags.DEFINE_integer('crop_size', '256', 'crop_size, default: 256')

def export_graph(model_name):
  graph = tf.Graph()

  with graph.as_default(): 

    a_real = tf.placeholder(tf.float32,shape=([1,FLAGS.crop_size, FLAGS.crop_size, 3]),name='input_image') # <<<< YOU NEED TO DEFINE THIS 
    #a_real=tf.reshape(a_real,tf.stack([1,FLAGS.crop_size, FLAGS.crop_size, 3]))

    a2b = models.generator(a_real, 'a2b',reuse=False, train=False) 

    saver = tf.train.Saver()

  with tf.Session(graph=graph) as sess:
    sess.run(tf.global_variables_initializer())
    # ------------------------------
    # Save graph nodes to text file
    # ------------------------------
    graph_def=graph.as_graph_def()
    # Remove Const nodes.
    for i in reversed(range(len(graph_def.node))):
      if graph_def.node[i].op == 'Const':
        del graph_def.node[i]
      for attr in ['T', 'data_format', 'Tshape', 'N', 'Tidx', 'Tdim',
                     'use_cudnn_on_gpu', 'Index', 'Tperm', 'is_training',
                     'Tpaddings']:
        if attr in graph_def.node[i].attr:
          del graph_def.node[i].attr[attr]   
    # Save as text.
    tf.train.write_graph(graph_def, "", "text_graph.pbtxt", as_text=True)    

     # ------------------------------
     # Load variables data
     # ------------------------------
    latest_ckpt = utils.load_checkpoint(FLAGS.checkpoint_dir, sess, saver)

    if latest_ckpt is None:
      raise Exception('No checkpoint!')
    else:
      print('Copy variables from % s' % latest_ckpt)    

    # -----------------------------------------
    # Write data for tensorboard for show graph
    # -----------------------------------------
    a_real_ipt = np.zeros(shape=[1, FLAGS.crop_size, FLAGS.crop_size, 3])
    writer = tf.summary.FileWriter('logs', sess.graph)
    writer.close()
    # -----------------------------------------
    # Write graph output
    # ----------------------------------------- 

    # get graph definition
    gd = sess.graph.as_graph_def()

    # fix batch norm nodes
    for node in gd.node:
      if node.op == 'RefSwitch':
        node.op = 'Switch'
        for index in xrange(len(node.input)):
          if 'moving_' in node.input[index]:
            node.input[index] = node.input[index] + '/read'
      elif node.op == 'AssignSub':
        node.op = 'Sub'
        if 'use_locking' in node.attr: del node.attr['use_locking']


    output_graph_def = tf.graph_util.convert_variables_to_constants(sess, gd, ["a2b_generator/Tanh"])
    tf.train.write_graph(output_graph_def, 'pretrained', model_name, as_text=False)

def main(unused_argv):
  print('photo2cartoon.pb')
  export_graph('photo2cartoon.pb')

if __name__ == '__main__':
  tf.app.run()

Answer 2

Преобразование массива размером 568 в 28x28x3 не представляется возможным ...? 28x28x3 = 2352