Ошибка типа: действительными индексами являются только целые числа, срезы, многоточия, tf.newaxis и скалярные тензоры tf ⇐ Python

[Anonymous]

В качестве упражнения я пытаюсь обучить модель классификации с помощью Tensorflow v1 без использования keras, sklearn или какой-либо другой библиотеки, которая значительно облегчила бы мою жизнь... лол.
Я продолжаю получать эта ошибка, и я не могу понять, что не так с моим кодом:

Код: Выделить всё

# imports
import numpy as np # linear algebra
import pandas as pd # data processing, CSV file I/O

import os,shutil, cv2, itertools

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior() # use Tensorflow v1

Для простоты я изменил размер каждого изображения до 64 x 64.
Поскольку каналов 3, размер входного вектора X wiz n составляет 64 x 64. x 3 (=12288).
Чтобы сократить время вычислений, я использую только 3000 изображений из обучающих данных.

Код: Выделить всё

TRAIN_DATA_DIR_PREFIX = '/kaggle/input/cat-and-dog/training_set/training_set/'
TRAIN_DATA_DOG_DIR = TRAIN_DATA_DIR_PREFIX + 'dogs/'
TRAIN_DATA_CAT_DIR = TRAIN_DATA_DIR_PREFIX + 'cats/'

N_x = 64 * 64 * 3

TRAIN_DOG = [(TRAIN_DATA_DOG_DIR+i, 1) for i in os.listdir(TRAIN_DATA_DOG_DIR) if i.endswith(".jpg")]
TRAIN_DOG = TRAIN_DOG[:1500]

TRAIN_CAT = [(TRAIN_DATA_CAT_DIR+i, 0) for i in os.listdir(TRAIN_DATA_CAT_DIR) if i.endswith(".jpg")]
TRAIN_CAT = TRAIN_CAT[:1500]

TRAIN_DATA = TRAIN_DOG + TRAIN_CAT

print('TRAIN_DATA :', len(TRAIN_DATA))

def read_image(file_path):
image = cv2.imread(file_path, cv2.IMREAD_COLOR)
return cv2.resize(image, (64, 64),interpolation=cv2.INTER_CUBIC)

def prepare(data):
X = np.ndarray((N_x,len(TRAIN_DATA)), dtype=np.uint8)
print ("X shape is {}".format(X.shape))
Y = np.zeros((1,len(TRAIN_DATA)))
print ("Y shape is {}".format(Y.shape))
for i,(image_path, y) in enumerate(data):
Y[0,i] = y
image = read_image(image_path)
X[:,i] = np.squeeze(image.reshape((N_x,1)))
return X,Y

X,Y = prepare(TRAIN_DATA)
Y = tf.transpose(Y)
X = tf.transpose(X)
print ("after transpose X shape is {}".format(X.shape))
print ("after transpose Y shape is {}".format(Y.shape))

Выход:

Код: Выделить всё

TRAIN_DATA : 3000
X shape is (12288, 3000)
Y shape is (1, 3000)
after transpose X shape is (3000, 12288)
after transpose Y shape is (3000, 1)

Затем я определяю свою функцию tf_train:

Код: Выделить всё

def tf_train(X, Y, batch_size=20):
# Dataset (inputs and labels)

D=12880

x = tf.placeholder(tf.float32, [batch_size, D])
y_ = tf.placeholder(tf.float32, [batch_size, 1])

# random variable
W = tf.Variable(tf.random_normal([D, 1],stddev=0.1))

z=tf.matmul(x,W)

# Define loss and optimizer
cross_entropy = tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(logits=z, labels=y_))

train_step = tf.train.GradientDescentOptimizer(1e-2).minimize(cross_entropy)

sess = tf.InteractiveSession()
tf.initialize_all_variables().run() #initializes W and z

# Train
for epoch in range (3000):
idx = np.random.choice(len(TRAIN_DATA), batch_size, replace=False)
#idx = np.random.permutation(np.arange(X.shape[1])) [:batch_size]
_, l = sess.run([train_step, cross_entropy], feed_dict={x: X[idx], y_: Y[0,idx]})
if epoch%100 == 0:
print('loss: '+str(l))
< /code>
А затем, когда я начинаю обучать свою модель: < /p>
tf_train(X,Y)
< /code>
Я получаю следующий вывод: < /p>
/opt/conda/lib/python3.7/site-packages/tensorflow/python/client/session.py:1766: UserWarning: An interactive session is already active. This can cause out-of-memory errors in some cases. You must explicitly call `InteractiveSession.close()` to release resources held by the other session(s).
warnings.warn('An interactive session is already active.  This can '
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
/tmp/ipykernel_33/1897119706.py in 
----> 1 tf_train(X,Y)

/tmp/ipykernel_33/3528951873.py in tf_train(X, Y, batch_size)
29         idx = np.random.choice(len(TRAIN_DATA), batch_size, replace=False)
30         #idx = np.random.permutation(np.arange(X.shape[1])) [:batch_size]
---> 31         _, l = sess.run([train_step, cross_entropy], feed_dict={x: X[idx], y_: Y[0,idx]})
32         if epoch%100 == 0:
33             print('loss: '+str(l))

/opt/conda/lib/python3.7/site-packages/tensorflow/python/util/dispatch.py in wrapper(*args, **kwargs)
204     """Call target, and fall back on dispatchers if there is a TypeError."""
205     try:
--> 206       return target(*args, **kwargs)
207     except (TypeError, ValueError):
208       # Note: convert_to_eager_tensor currently raises a ValueError, not a

/opt/conda/lib/python3.7/site-packages/tensorflow/python/ops/array_ops.py in _slice_helper(tensor, slice_spec, var)
1012       new_axis_mask |= (1  1014       _check_index(s)
1015       begin.append(s)
1016       end.append(s + 1)

/opt/conda/lib/python3.7/site-packages/tensorflow/python/ops/array_ops.py in _check_index(idx)
886     # TODO(slebedev): IndexError seems more appropriate here, but it
887     # will break `_slice_helper` contract.
--> 888     raise TypeError(_SLICE_TYPE_ERROR + ", got {!r}".format(idx))
889
890

TypeError: Only integers, slices (`:`), ellipsis (`...`), tf.newaxis (`None`) and scalar tf.int32/tf.int64 tensors are valid indices, got array([2282, 1114, 1884, 2812,  887,  381, 1723, 2031,  820, 2989,  314,
1800,  372, 2219, 1937, 2313, 2264, 2154, 2168,  283])
< /code>
Очевидно, что ошибка вызвана < /p>
_, l = sess.run([train_step, cross_entropy], feed_dict={x: X[idx], y_: Y[0,idx]})

Есть идеи, что с этим не так?

Подробнее здесь: https://stackoverflow.com/questions/702 ... nt32-tf-in