解决ValueError: Shapes (?,) and (28, 28) are not compatible和InvalidArgumentError (see above for traceb

背景：发生在读取tfrecords文件时。情况不一样的话，可以不用往下看了。

 

在读取tfrecords文件的时候，有这么一段代码。

image = tf.decode_raw(features['image_raw'], tf.uint8) # 按照uint8去解析
image.set_shape([784]) # 1*784
image = tf.cast(image, tf.float32) * (1. / 255) # 归一化，归一化有助于数据加快收敛
label = tf.cast(features['label'], tf.int32)

其中，第二句image.set_shape([784])是将image的格式变为[1,784].

我想得到28*28的矩阵。所以将代码改为了image.set_shape([28，28])，运行，报错！

 

报错：ValueError: Shapes (?,) and (28, 28) are not compatible。

 

解决办法：将image.set_shape([28，28])改为image=tf.reshape(image,[28,28])问题解决。

 

tensorflow中shape,get_shape,reshape,set_shape的对比可以参考文章：https://blog.youkuaiyun.com/baidu_15113429/article/details/81063551

 

ps：如果reshape和tfrecord中存的数据大小不一致，会报如下的错误

错误信息中会告诉你，你的tfrecord中存的数据是多大的。

 

原因：这个Input to reshape的tensor的值，受到编码的影响。就是下面这段代码：

example = tf.train.Example(features=tf.train.Features(feature={
                ……
                'image_raw': _bytes_feature(image_raw)
        }))
image = tf.decode_raw(features['image_raw'], tf.uint8)

tf.decode_raw时，使用的是不同的类型来解码（这里用的是tf.uint8）。相对应得到的tensor大小也不一样。

解决办法：要想得到存入的正确数据，解码时使用的类型，要和存储时tostring()前的数据类型保持一致。

想要转换类型的话，可以等解码出来了再tf.cast。