你必须为占位符张量提供一个值'
我试图为我的张量预测实现队列，但得到以下错误 -
你必须用dtype float和shape为'占位符张量'输入一个值[1024,1024,3]
如果我使用feed_dict，该程序工作正常，尝试用队列替换feed_dict。
该程序基本上获取位置列表并将图像np数组传递给输入张量。
for each in positions:
y,x = each
images = img[y:y+1024,x:x+1024,:]
a = images.astype('float32')
q = tf.FIFOQueue(capacity=200,dtypes=dtypes)
enqueue_op = q.enqueue(a)
qr = tf.train.QueueRunner(q, [enqueue_op] * 1)
tf.train.add_queue_runner(qr)
data = q.dequeue()
graph=load_graph('/home/graph/frozen_graph.pb')
with tf.Session(graph=graph,config=tf.ConfigProto(log_device_placement=True)) as sess:
p_boxes = graph.get_tensor_by_name("cat:0")
p_confs = graph.get_tensor_by_name("sha:0")
y = [p_confs, p_boxes]
x = graph.get_tensor_by_name("in:0")
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(coord=coord,sess=sess)
confs, boxes = sess.run(y)
coord.request_stop()
coord.join(threads)
我如何确保在会话中运行图形时识别了填充到队列中的输入数据。
在我原来的运行中，我打电话给
confs，boxes = sess.run（[p_confs，p_boxes]，feed_dict = feed_dict_testing）
我建议不要使用队列解决这个问题，并切换到新的tf.data API。 特别是tf.data.Dataset.from_generator()可以更容易地从Python函数中提供数据。 你可以重写你的代码要简单得多，如下所示：
def generator():
for y, x in positions:
images = img[y:y+1024,x:x+1024,:]
yield images.astype('float32')
dataset = tf.data.Dataset.from_generator(
generator, tf.float32, [1024, 1024, img.shape[3]])
# Add any extra transformations in here, like `dataset.batch()` or
# `dataset.repeat()`.
# ...
iterator = dataset.make_one_shot_iterator()
data = iterator.get_next()
请注意，在你的程序中， data张量与你在load_graph()加载的图形之间没有关系（至少，假设load_graph()没有从全局状态获取data ！）。 您可能需要使用tf.import_graph_def()和input_map参数将data与冻结图形中的某个张量关联（可能为"in:0" ？）以完成该任务。