Невозможно преобразовать частично известный тензор в TensorFlow/TFLearn

Question

Я новичок в TensorFlow и все еще пытаюсь выяснить, как это работает, поэтому я не уверен, что ошибка связана с моей архитектурой или чем-то более базовым - здесь я пытаюсь обучить сиамскую нейронную сеть (мы кормим левый и правый вход в левый и правый NN с одинаковыми весами и пытаемся сопоставить его с векторами признаков, которые имеют небольшое расстояние, если входы похожи и большие расстояния, если входы разные).

Я получаю ошибку происходит на стадии регрессии:

File "siamese.py", line 59, in <module> 
    network = regression(y_pred, optimizer='adam', 
    File "/Library/Frameworks/Python.framework/Versions/3.5/lib/python3.5/site-packages/tflearn/models/dnn.py", line 63, in __init__ 
    best_val_accuracy=best_val_accuracy) 
    File "/Library/Frameworks/Python.framework/Versions/3.5/lib/python3.5/site-packages/tflearn/helpers/trainer.py", line 120, in __init__ 
    clip_gradients) 
    File "/Library/Frameworks/Python.framework/Versions/3.5/lib/python3.5/site-packages/tflearn/helpers/trainer.py", line 646, in initialize_training_ops 
    ema_num_updates=self.training_steps) 
    File "/Library/Frameworks/Python.framework/Versions/3.5/lib/python3.5/site-packages/tflearn/summaries.py", line 236, in add_loss_summaries 
    loss_averages_op = loss_averages.apply([loss] + other_losses) 
    File "/Library/Frameworks/Python.framework/Versions/3.5/lib/python3.5/site-packages/tensorflow/python/training/moving_averages.py", line 292, in apply 
    colocate_with_primary=(var.op.type == "Variable")) 
    File "/Library/Frameworks/Python.framework/Versions/3.5/lib/python3.5/site-packages/tensorflow/python/training/slot_creator.py", line 106, in create_zeros_slot 
    val = array_ops.zeros(primary.get_shape().as_list(), dtype=dtype) 
    File "/Library/Frameworks/Python.framework/Versions/3.5/lib/python3.5/site-packages/tensorflow/python/ops/array_ops.py", line 1071, in zeros 
    shape = ops.convert_to_tensor(shape, dtype=dtypes.int32, name="shape") 
    File "/Library/Frameworks/Python.framework/Versions/3.5/lib/python3.5/site-packages/tensorflow/python/framework/ops.py", line 628, in convert_to_tensor 
    ret = conversion_func(value, dtype=dtype, name=name, as_ref=as_ref) 
    File "/Library/Frameworks/Python.framework/Versions/3.5/lib/python3.5/site-packages/tensorflow/python/framework/constant_op.py", line 198, in _tensor_shape_tensor_conversion_function 
    "Cannot convert a partially known TensorShape to a Tensor: %s" % s) 
ValueError: Cannot convert a partially known TensorShape to a Tensor: (?,) 

Я не знаю, как решить эту проблему, если первое измерение должно быть None для размера партии (поправьте меня, если я неправильно).

Соответствующие части кода ниже:

BATCH_SIZE=100 
def contrastive_loss(y_pred, y_true, margin=1.0): 
    return tf.mul(1-y_true, tf.square(y_pred)) + tf.mul(y_true, tf.square(tf.maximum((margin-y_pred),0))) 

## Load dataset 
f = h5py.File('./data/paired_training_data.hdf','r') 
X1 = f["train_X1"] 
X2 = f["train_X2"] 
Y = f["train_Y_paired"] 

## Inputs: 1 example (phoneme pair), dropout probability 
inp_sound1 = input_data(shape=[None, 1, N_MFCC_CHANNELS, N_IN_CHANNELS]) 
networkL = conv_1d(inp_sound1, reuse=None, scope="conv1d") 
networkL = max_pool_1x6(networkL) 
networkL = fully_connected(networkL, n_units=N_FULLY_CONN, activation='relu', scope="fc1") 
networkL = dropout(networkL, .5) # unshared? 
networkL = fully_connected(networkL, n_units=N_FULLY_CONN, activation='relu', scope="fc2") 

inp_sound2 = input_data(shape=[None, 1, N_MFCC_CHANNELS, N_IN_CHANNELS]) 
networkR = conv_1d(inp_sound2, reuse=True, scope="conv1d") 
networkR = max_pool_1x6(networkR) 
networkR = fully_connected(networkR, n_units=N_FULLY_CONN, activation='relu', reuse=True, scope="fc1") 
networkR = dropout(networkR, .5) 
networkR = fully_connected(networkR, n_units=N_FULLY_CONN, activation='relu', reuse=True, scope="fc2") 

l2_loss = tf.reduce_sum(tf.square(tf.sub(networkL, networkR)), 1) 
y_pred = tf.sqrt(l2_loss) 
#y_true = input_data(shape=[None]) 

## Training 
network = regression(y_pred, optimizer='adam', 
      loss=contrastive_loss, learning_rate=0.0001, to_one_hot=False) 
model = tflearn.DNN(network, tensorboard_verbose=0) 
model.fit([X1, X2], Y, n_epoch=10, batch_size=BATCH_SIZE, show_metric=True, validation_set=0.1) 

Любая помощь - особенно с пониманием, как отлаживать эти проблемы на моей в будущем - было бы весьма признателен!

Answer 1

Похоже, что TensorFlow не может вывести форму вашего contrastive_loss. Попробуйте позвонить set_shape в вашей contrastive_loss функции, если вы знаете свою выходную форму заранее:

def contrastive_loss(y_pred, y_true, margin=1.0): 
    loss = tf.mul(1-y_true, tf.square(y_pred)) + tf.mul(y_true, tf.square(tf.maximum((margin-y_pred),0))) 
    loss.set_shape([...]) 
    return loss