在这篇文章中，我们将带领您了解TypeError:Fetchargument12434120.0hasinvalidtype,mustbeastringorTensor.在Tensorflow中的全貌

在这篇文章中，我们将带领您了解TypeError: Fetch argument 12434120.0 has invalid type , must be a string or Tensor. 在 Tensorflow 中的全貌，同时，我们还将为您介绍有关"ValueError: Failed to convert a NumPy array to an Tensor (Unsupported object type numpy.ndarray). 在 TensorFlow CNN 中进行图像分类、/ image / Tensor Tensor（“ activation_5 / Softmax：0”，shape =（?, 4），dtype = float32）处的ValueError不是此图的元素、34-TypeError: BoxSizer.AddSpacer(): argument 1 has unexpected type ''tuple''、cannot convert value of type 'String!' to expected argument type 'inout String'的知识，以帮助您更好地理解这个主题。

• TypeError: Fetch argument 12434120.0 has invalid type , must be a string or Tensor. 在 Tensorflow 中
• "ValueError: Failed to convert a NumPy array to an Tensor (Unsupported object type numpy.ndarray). 在 TensorFlow CNN 中进行图像分类
• / image / Tensor Tensor（“ activation_5 / Softmax：0”，shape =（?, 4），dtype = float32）处的ValueError不是此图的元素
• 34-TypeError: BoxSizer.AddSpacer(): argument 1 has unexpected type ''tuple''
• cannot convert value of type 'String!' to expected argument type 'inout String'

TypeError: Fetch argument 12434120.0 has invalid type , must be a string or Tensor. 在 Tensorflow 中

如何解决TypeError: Fetch argument 12434120.0 has invalid type <class ''numpy.float32''>, must be a string or Tensor. 在 Tensorflow 中

我正在训练一个多元线性回归模型，出现这个错误代码。

TypeError: Fetch argument 12434120.0 has invalid type <class ''numpy.float32''>,must be a string or Tensor. (Can not convert a float32 into a Tensor or Operation.)

我想知道这是什么意思... 和训练代码是这样的：

for step in range(100001):
    cost_,hypo_,_ = sess.run([cost,hypothesis,train],Feed_dict={X: x_data,Y: y_data})
    if step % 500 == 0:
        print(''#'',step,''loss:'',cost_))
        print(''-price of cabbage:'',hypo_[0])

解决方法

"ValueError: Failed to convert a NumPy array to an Tensor (Unsupported object type numpy.ndarray). 在 TensorFlow CNN 中进行图像分类

如何解决"ValueError: Failed to convert a NumPy array to an Tensor (Unsupported object type numpy.ndarray). 在 TensorFlow CNN 中进行图像分类

我一直在研究用于图像分类的 CNN，但我一直遇到同样的错误，我的数据正在加载到数据帧中，但我无法将其转换为张量以将其输入 CNN。如您所见，我使用此代码将图片加载到数据框中：

for i in range(len(merged)):
    full_path = merged.iloc[i][''Image Path Rel'']
    filename = full_path[-22:-1] + ''G''
    try:
        img = img_to_array(load_img(''D:/Serengeti_Data/Compressed/Compressed/'' + filename,target_size=(32,32,3)))
    except:
        img = np.zeros((32,3),dtype=np.float32)
        images = images.append({''Capture Id'' : merged.iloc[i][''Capture Id''],''Image'' : img},ignore_index = True)
    else:
        images = images.append({''Capture Id'' : merged.iloc[i][''Capture Id''],ignore_index = True)

然后，一旦我使用 load_img() 和 img_to_array() 加载了图像，我进行了重塑以获得所需的 (32,3) 形状。还通过将 Image 列除以 255 来标准化这些值。

然后我这样做是为了尝试将其转换为张量：

train_tf = tf.data.Dataset.from_tensor_slices(images[''Image''])
# Also tried this,but didn''t got the same results:
# train_tf = tf.convert_to_tensor(train_df[''Image''])

但不断收到错误：

ValueError: 无法将 NumPy 数组转换为张量（不支持的对象类型 numpy.ndarray）

我也尝试跳过它并立即尝试适应我们的模型，但得到了完全相同的错误：

trying_df = pd.DataFrame(images[''Image''])
target_df = pd.DataFrame(targets)
animal_model = models.Sequential()
animal_model.add(layers.Conv2D(30,kernel_size = (3,padding = ''valid'',activation = ''relu'',input_shape =(32,3)))
animal_model.add(layers.MaxPooling2D(pool_size=(1,1)))
animal_model.add(layers.Conv2D(60,kernel_size=(1,1),activation = ''relu''))
animal_model.add(layers.Flatten())
animal_model.add(layers.Dense(100,activation = ''relu''))
animal_model.add(layers.Dense(10,activation = ''softmax''))
## compiler to model
animal_model.compile(loss = ''categorical_crossentropy'',metrics = [''accuracy''],optimizer =''adam'')
## training the model
animal_model.fit(trying_df,target_df,batch_size = 128,epochs = 15)
animal_model.summary() 

TensorFlow 版本：2.4.1

Numpy 版本：1.19.5

熊猫版本：1.0.1

解决方法

image = cv2.imread(filename)
image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB)

IMG_SIZE = 180
resize_and_rescale = tf.keras.Sequential([
  layers.experimental.preprocessing.Resizing(IMG_SIZE,IMG_SIZE),layers.experimental.preprocessing.Rescaling(1./255)
])
model = tf.keras.Sequential(
    [
        resize_and_rescale,layers.Conv2D(32,3,activation="relu"),layers.MaxPooling2D(),layers.Conv2D(64,layers.Conv2D(128,layers.Flatten(),layers.Dense(128,layers.Dense(len(class_names),activation="softmax"),]
)
model.compile(
    optimizer="adam",loss=tf.losses.SparseCategoricalCrossentropy(from_logits=True),metrics=["accuracy"],)

/ image / Tensor Tensor（“ activation_5 / Softmax：0”，shape =（?, 4），dtype = float32）处的ValueError不是此图的元素

我正在构建图像处理分类器，并且此代码是用于预测整个代码正在运行的图像的图像类的API，但此行除外（pred =
model.predict_classes（test_image）），此API在Django框架中进行并且正在使用python 2.7

如果我像往常一样运行此代码（无需制作API），这一点就可以完美运行

def classify_image(request):if request.method == ''POST'' and request.FILES[''test_image'']:    fs = FileSystemStorage()    fs.save(request.FILES[''test_image''].name, request.FILES[''test_image''])    test_image = cv2.imread(''media/''+request.FILES[''test_image''].name)    if test_image is not None:        test_image = cv2.resize(test_image, (128, 128))        test_image = np.array(test_image)        test_image = test_image.astype(''float32'')        test_image /= 255        print(test_image.shape)    else:        print(''image didnt load'')    test_image = np.expand_dims(test_image, axis=0)    print(test_image)    print(test_image.shape)    pred = model.predict_classes(test_image)    print(pred)return JsonResponse(pred, safe=False)

答案1

您的test_image和tensorflow模型的输入不匹配。

# Your image shape is (, , 3)test_image = cv2.imread(''media/''+request.FILES[''test_image''].name)if test_image is not None:    test_image = cv2.resize(test_image, (128, 128))    test_image = np.array(test_image)    test_image = test_image.astype(''float32'')    test_image /= 255    print(test_image.shape)else:    print(''image didnt load'')# Your image shape is (, , 4)test_image = np.expand_dims(test_image, axis=0)print(test_image)print(test_image.shape)pred = model.predict_classes(test_image)

以上仅为假设。如果要调试，我想您应该打印图像大小并与模型定义的第一个布局进行比较。并检查尺寸（宽度，高度，深度）是否匹配

34-TypeError: BoxSizer.AddSpacer(): argument 1 has unexpected type ''tuple''

TypeError: BoxSizer.AddSpacer(): argument 1 has unexpected type ''tuple''
这个错误很烦，折腾了好久；

原因有二：
1.因为它现在只能有一个参数了：
请看

2.因为你可能使用老版的wxFormBuilder产生的，而如果用新版的这会是：
bSizer1.Add( ( 0, 0), 1, wx.EXPAND, 5 )
　新版下载链接：https://ci.appveyor.com/api/projects/jhasse/wxformbuilder-461d5/artifacts/wxFormBuilder_win32.zip?branch=master

不要在官网直接下载，感觉那个根本没跟新，跟新的已经放到了github上

主页面：https://github.com/wxFormBuilder/wxFormBuilder

官网：https://sourceforge.net/projects/wxformbuilder/

cannot convert value of type 'String!' to expected argument type 'inout String'

如果是按照上面那样写 ，会报如题错误。改为如下就可以了

var area_big:String! var area_small:String! var types = "" var firstIn = true provinces.forEach { (province) in let count = province.children.count for i in 0..<count{ if i == 0 && province.children[i].checked { if area_big == nil { area_big = province.children[i].attributes["name"] }else{ area_big = area_big + "#" + province.children[i].attributes["name"]! } } } }

我们今天的关于TypeError: Fetch argument 12434120.0 has invalid type , must be a string or Tensor. 在 Tensorflow 中的分享就到这里，谢谢您的阅读，如果想了解更多关于"ValueError: Failed to convert a NumPy array to an Tensor (Unsupported object type numpy.ndarray). 在 TensorFlow CNN 中进行图像分类、/ image / Tensor Tensor（“ activation_5 / Softmax：0”，shape =（?, 4），dtype = float32）处的ValueError不是此图的元素、34-TypeError: BoxSizer.AddSpacer(): argument 1 has unexpected type ''tuple''、cannot convert value of type 'String!' to expected argument type 'inout String'的相关信息，可以在本站进行搜索。