ValueError: Shape must be rank 3 but is rank 4 for 'adjust_hue/Slice' (op: 'Slice') with input shape

关于复现此版本的MTCNN遇到的一个错误

我在复现这个版本的时候，我进入到了P_net网络的训练这一步，然后运行train_models文件夹中的train_PNet.py这个脚本的时候，出现了一个麻烦，花了我三天时间解决。

抛出错误如下

ValueError: Shape must be rank 3 but is rank 4 for ‘adjust_hue/Slice’ (op: ‘Slice’) with input shape

解方法如下

进入同文件夹的train.py这个脚本，在84行定义了一个函数如下：

def image_color_distort(inputs):
    inputs = tf.image.random_contrast(inputs, lower=0.5, upper=1.5)
    inputs = tf.image.random_brightness(inputs, max_delta=0.2)
    inputs = tf.image.random_hue(inputs,max_delta= 0.2)
    inputs = tf.image.random_saturation(inputs,lower = 0.5, upper= 1.5)

    return inputs

这个函数是对图片进行色彩调整的操作，因为调整图像的亮度、对比度、饱和度和色相在很多图像识别中都不会影响识别结果。所以在训练神经网络模型的时候，可以随机调整训练图像的这些属性，从而使训练得到的模型尽可能小的收到无关因素的影响。

然后我经过尝试，把最后的两个inputs对应的两行代码，即：

    inputs = tf.image.random_hue(inputs,max_delta= 0.2)
    inputs = tf.image.random_saturation(inputs,lower = 0.5, upper= 1.5)

删除掉。

然后函数就不会报错了，虽然少了两个op，但是这两个op对于训练的整体结果不是关键性的，所以影响不大。

具体的原因我也不是很清楚，但是我估计是这两个函数的参数传入有问题，一时半会儿我也找不到，先把解决方法摆在这里，等找出了原因再继续上传原因。

总结

这是自己第一次独立找出了一个bug的解决方法，值得鼓励，但是其实应该很早就能顺藤摸瓜找出来，不需要花费三天的时间，有点儿浪费时间了，所以希望自己以后能够更加耐心一点。

现在继续去完成这个项目的训练。