Tensorflow学习（二）——遇到的报错及解决方法

原创已于 2022-04-22 17:40:35 修改 · 3k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #深度学习 #python

于 2022-04-22 11:04:09 首次发布

本文详细介绍了在使用TensorFlow时遇到的四个典型错误，包括TypeError、Ranks不匹配、AttributeError和InvalidArgumentError，并提供了详细的错误描述、原因分析及解决方法。通过这些实例，读者可以更好地理解和解决在深度学习实践中遇到的相似问题。

1. Type Error: unhashable type: ‘Dimension’

1.1 问题描述

定义以下函数：

def exposure_mat(a_embedded, model_expo, N_rays, N_samples_, chunk):
    a_embedded_ = repeat(a_embedded, 'n1 c -> (n1 n2) c', n2=N_samples_)
    ...

调用上述函数时，运行至a_embedded_ = repeat(a_embedded.numpy(), 'n1 c -> (n1 n2) c', n2=int(N_samples_))，报错Type Error: unhashable type: 'Dimension'

1.2 解决方法：

网上看到的解决方法都没能解决，然后查询unhashable是什么意思（详见Python异常：unhashable type 是怎么回事？），最后确定原因N_samples_不是int类型，转为int就可以啦。
还有我这里用的a_embedded是用tf.get_variable()获得的，需要转化为numpy。
最后能成功运行的代码为：

def exposure_mat(a_embedded, model_expo, N_rays, N_samples_, chunk):
    repeat(a_embedded.numpy(), 'n1 c -> (n1 n2) c', n2=int(N_samples_))
    ...

##########################################################

2. Ranks of all input tensors should match: shape[0] = [8192,74] vs. shape[1] = [8192] [Op:ConcatV2] n

2.1 问题描述

运行

tf.concat([rays, rays_o[..., 3]], axis=-1)

其中rays的shape为：(8192,74)
rays_o[..., 3]的shape为：(8192,)
报错信息为 Ranks of all input tensors should match: shape[0] = [8192,74] vs. shape[1] = [8192] [Op:ConcatV2] name: concat

2.2 问题分析

要拼接的两个tensor维度不一致，需要对rays_id进行reshape，采用tf.reshape 函数

2.3 解决方法

 rays_id = tf.reshape(rays_o[..., 3],[rays.shape[0],1])
    rays = tf.concat([rays, rays_id], axis=-1)

##########################################################

3. AttributeError: module ‘tensorflow.python.keras.api._v1.keras.backend’ has no attribute 'is_keras_te

3.1问题描述

运行

out = rearrange(out, '(n1 n2) c -> n1 n2 c', n1=N_rays, n2=int(N_samples_))

出现报错：

{AttributeError}module 'tensorflow.python.keras.api._v1.keras.backend' has no attribute 'is_keras_te

3.2 解决方法

网上类似的问题说是版本原因，但我有类似的代码是可以运行的。所以猜测是out数据类型的问题，把out改为array（用out.numpy()）后，问题解决，代码如下：

out = rearrange(out.numpy(), '(n1 n2) c -> n1 n2 c', n1=N_rays, n2=int(N_samples_))

##########################################################

4. InvalidArgumentError: Value for attr ‘Tindices’ of float is not in the list of allowed values: int32, int64 ; NodeDef: {{node ResourceGather}};

4.1 问题描述

运行：

a_embedded = tf.gather(a_embedded, ray_batch[:, -1]))

其中a_embedded是用tf.get_variable()获得的，
出现报错：InvalidArgumentError: Value for attr ‘Tindices’ of float is not in the list of allowed values: int32, int64 ; NodeDef: {{node ResourceGather}};

4.2 解决方法

用tf.gather时，索引的列表的数据必须是int类型的，所以修改为：

a_embedded = tf.gather(a_embedded, np.array(ray_batch[:, -1]).astype(int))