按照教程来的 怎么报错了呢？

Question

current_time = datetime.datetime.now().strftime("%Y%m%d-%H%M%S")
log_dir = 'logs/' + current_time
summary_writer = tf.summary.create_file_writer(log_dir)

# 获取图像数据，假设已经是 (28, 28)
sample_img = next(iter(db))[0]  # 假设这里 db 是数据迭代器
sample_img = sample_img[0]  # 获取第一张图像

# 重新整形为 [1, 28, 28, 1] 以满足 tf.summary.image 的要求
sample_img = tf.reshape(sample_img, [1,28, 28, 1])

with summary_writer.as_default():
    tf.summary.image("Training sample", sample_img, step=0)

报错：

---------------------------------------------------------------------------
InvalidArgumentError                      Traceback (most recent call last)
Cell In[26], line 13
     10 sample_img = tf.reshape(sample_img, [1,28, 28, 1])
     12 with summary_writer.as_default():
---> 13     tf.summary.image("Training sample", sample_img, step=0)

File h:\modeltrain\anaconda3\envs\tf\lib\site-packages\tensorboard\plugins\image\summary_v2.py:129, in image(name, data, step, max_outputs, description)
    125     return tf.concat([dimensions, encoded_images], axis=0)
    127 # To ensure that image encoding logic is only executed when summaries
    128 # are written, we pass callable to `tensor` parameter.
--> 129 return tf.summary.write(
    130     tag=tag, tensor=lazy_tensor, step=step, metadata=summary_metadata
    131 )

File h:\modeltrain\anaconda3\envs\tf\lib\site-packages\tensorflow\python\ops\summary_ops_v2.py:762, in write(tag, tensor, step, metadata, name)
    759     with ops.control_dependencies([write_summary_op]):
    760       return constant_op.constant(True)
--> 762 op = smart_cond.smart_cond(
    763     should_record_summaries(), record, _nothing, name="summary_cond")
    764 if not context.executing_eagerly():
    765   ops.add_to_collection(ops.GraphKeys._SUMMARY_COLLECTION, op)  # pylint: disable=protected-access

File h:\modeltrain\anaconda3\envs\tf\lib\site-packages\tensorflow\python\framework\smart_cond.py:56, in smart_cond(pred, true_fn, false_fn, name)
     54 if pred_value is not None:
...
-> 6941 six.raise_from(core._status_to_exception(e.code, message), None)

File <string>:3, in raise_from(value, from_value)

InvalidArgumentError: image must be 3-dimensional[1,28,28,1] [Op:EncodePng]

Answer 1

引自免费微信小程序：皆我百晓生

看起来你在尝试使用 TensorFlow 来记录训练样本的图像日志，但遇到了一个错误。这个错误信息表明，tf.summary.image 需要一个三维数组作为输入，而你提供的 sample_img 是四维的。

在你提供的代码中，sample_img = tf.reshape(sample_img, [1,28, 28, 1]) 这一行将图片转换为了形状 [1, 28, 28, 1]。然而，对于 tf.summary.image 函数来说，它期望的是 [height, width, channels] 格式的三维数组，所以你需要去掉额外的维度。将这一行修改为：

sample_img = tf.reshape(sample_img, [28, 28, 1])

然后这段代码应该可以正常运行。下面是修改后的完整代码：

import tensorflow as tf
from datetime import datetime

current_time = datetime.datetime.now().strftime("%Y%m%d-%H%M%S")
log_dir = 'logs/' + current_time
summary_writer = tf.summary.create_file_writer(log_dir)

# 假设 db 是数据迭代器
for _, sample_img in enumerate(db):
    break  # 只获取第一张图像

sample_img = sample_img[0]

# 重新整形为 [28, 28, 1] 以满足 tf.summary.image 的要求
sample_img = tf.reshape(sample_img, [28, 28, 1])

with summary_writer.as_default():
    tf.summary.image("Training sample", sample_img, step=0)

这段代码首先创建了一个新的 TensorBoard 日志目录，并从数据迭代器 db 中获取了第一张图像。接着，我们调整了图像的形状，然后将其写入到 TensorBoard 中。注意，这里的 enumerate(db) 是用来遍历数据迭代器并获取第一个元素的。如果你的数据迭代器已经处理过这些细节，那么可以直接使用 next(iter(db))[0]。