记一次超级蠢超级折磨我的bug。
报错内容：
tensorflow.python.framework.errors_impl.InvalidArgumentError: You must feed a value for placeholder tensor 'x_1' with dtype float and shape [?,227,227,3]
[[Node: x_1 = Placeholder[dtype=DT_FLOAT, shape=[?,227,227,3], _device="/job:localhost/replica:0/task:0/device:GPU:0"]()]]
[[Node: fc3/_33 = _Recv[client_terminated=false, recv_device="/job:localhost/replica:0/task:0/device:CPU:0", send_device="/job:localhost/replica:0/task:0/device:GPU:0", send_device_incarnation=1, tensor_name="edge_110_fc3", tensor_type=DT_FLOAT, _device="/job:localhost/replica:0/task:0/device:CPU:0"]()]]
错误理解起来很简单，没有给placeholder ‘x_1’赋值。
这是我的预测代码:
image = Image.open(imagefile)
image = image.resize([227, 227])
image_array = np.array(image)
image_array = image_array.astype(float)
image = np.reshape(image_array, [1, 227, 227, 3])
saver = tf.train.import_meta_graph("/home/ubuntu/demo/package/5.8_2000op_256batch/AlexNetModel.ckpt.meta")
graph = tf.get_default_graph()
prediction = graph.get_tensor_by_name("fc3:0")
x = graph.get_tensor_by_name("x:0")
with tf.Session() as sess:
saver.restore(sess, "/home/ubuntu/demo/package/5.8_2000op_256batch/AlexNetModel.ckpt")
Predict = sess.run(prediction, feed_dict={x: image})
max_index = np.argmax(Predict)
if max_index==0:
return "cat"
else:
return "dog"
之前是觉得image格式有问题，不能作为输入给x。
因为最初始，源码是这样写的：
image = Image.open(imagefile)
image = image.resize([227, 227])
image_array = np.array(image)
image = tf.cast(image_array,tf.float32)
image = tf.image.per_image_standardization(image)
image = tf.reshape(image, [1, 227, 227, 3])
而使用tf的方法，返回值是一个tensor，而tensor是无法赋值给placeholder定义的数据类型。
- sess.run()第一个参数是要fetch的变量，这个变量的类型只能是tensor或者string, 后面如果要加
feed_dict = {}, 注意feed的数据类型可以是Python scalars, strings, lists, numpy ndarrays, or TensorHandles，不能是tensor.fecth得到的变量是<type 'numpy.ndarray'>。一句话就是，在运行图的时，tensor用sess.run()取出来，然后再feed进去。
所以就把image的形状变化，tf.reshape()改为了np.reshape(),但是还有问题，报错为上面的You must feed a value for placeholder tensor 'x_1' with dtype float and shape [?,227,227,3].......
完了彻底把我整懵逼了，不知道应该给x什么样的输入了，但是又好奇怪，placeholder tensor 'x_1'那里来的，没有定义过 'x_1'这种东西呀。贴一下训练代码，placeholder的申请。
x = tf.placeholder(tf.float32, [None, 227, 227, 3],name='x')
y = tf.placeholder(tf.float32, [None, n_classes])
感觉没问题啊，挺好的啊。如果代码真的是这样确实没啥问题挺好的，关键是自己脑残，x = tf.placeholder(tf.float32, [None, 227, 227, 3],name='x')申请了两遍
删掉一个。OK了。很烦，困扰了自己好几天