Tensorflow: optimizer.minimize() - "ValueError:形状必须为0级，但为1级
我正在尝试将Tensorflow r0.12代码(从https://github.com/ZZUTK/Face-Aging-CAAE)调整到1.2.1版本，并且我对optimizer.minimize()有问题。
在本例中，我使用的是GradientDescent，但是当我尝试使用不同的优化器时，下面的错误消息(就所提供的形状而言)只是略有不同：
ValueError: Shape must be rank 0 but is rank 1 for 'GradientDescent/update_E_con
v0/w/ApplyGradientDescent' (op: 'ApplyGradientDescent')
with input shapes: [5,5,1,64], [1], [5,5,1,64].其中，5,5是我的核大小，1是初始通道的数目，64是第一次卷积中的滤波器数。这是它所指的卷积编码器网络：
E_conv0: (100, 128, 128, 64)
E_conv1: (100, 64, 64, 128)
E_conv2: (100, 32, 32, 256)
E_conv3: (100, 16, 16, 512)
E_conv4: (100, 8, 8, 1024)
E_conv5: (100, 4, 4, 2048)
...这是触发错误的代码：
self.EG_optimizer = tf.train.GradientDescentOptimizer(
learning_rate=EG_learning_rate,
beta1=beta1
).minimize(
loss=self.loss_EG,
global_step=self.EG_global_step,
var_list=self.E_variables + self.G_variables
)其中：
EG_learning_rate = tf.train.exponential_decay(
learning_rate=learning_rate,
global_step=self.EG_global_step,
decay_steps=size_data / self.size_batch * 2,
decay_rate=decay_rate,
staircase=True
)
self.EG_global_step = tf.get_variable(name='global_step',shape=1, initializer=tf.constant_initializer(0), trainable=False)和
self.E_variables = [var for var in trainable_variables if 'E_' in var.name]
self.G_variables = [var for var in trainable_variables if 'G_' in var.name]
self.loss_EG = tf.reduce_mean(tf.abs(self.input_image - self.G))经过一些调试之后，我现在认为问题来自minimize()方法。错误似乎归因于最后一个参数(var_list)，但是当我试图注释掉第二个或第三个参数时，错误保持不变，只是归因于第一个参数(损失)。
我已经更改了当前在GitHub上的代码，以使其适应新版本，因此我在tf.variable_scope(tf.get_variable_scope()，reuse=True)上做了大量工作。这可能是原因吗？
提前谢谢你！
回答 1
Stack Overflow用户
发布于 2017-08-21 07:01:27
解码是很困难的，因为它来自内部操作，但此错误消息指出了原因：
'GradientDescent/update_E_conv0/w/ApplyGradientDescent‘(op：'ApplyGradientDescent')的输入形状: 5,5,1,64，1，5,5,1,64。
ApplyGradientDescent op的输入之一是秩1张量(即向量)，而它应该是秩0张量(即标量)。看看操作，唯一的标量输入是alpha，或者是学习速率。
因此，当EG_learning_rate张量应该是标量时，它似乎是一个向量。一个简单的解决方法是在构造EG_learning_rate张量时从tf.train.GradientDescentOptimizer张量中“切片”一个标量。
scalar_learning_rate = EG_learning_rate[0]
self.EG_optimizer = tf.train.GradientDescentOptimizer(
learning_rate=scalar_learning_rate,
beta1=beta1
).minimize(
loss=self.loss_EG,
global_step=self.EG_global_step,
var_list=self.E_variables + self.G_variables
)https://stackoverflow.com/questions/45733581
复制相似问题
腾讯云开发者
