CNN代码运行报错

Question

老师好，我按照视频打了CNN手写识别的代码，但是执行的时候报

TypeError: Fetch argument None has invalid type <class 'NoneType'> 

错误，代码在第一次执行打印精确度是没有问题，但之后就报了这个错误

以下是我的代码：

import numpy as np
import tensorflow as tf

from tensorflow.examples.tutorials.mnist import input_data

mnist = input_data.read_data_sets('mnist_data', one_hot=True)

input_x = tf.placeholder(dtype=tf.float32, shape=[None, 28*28]) / 255
output_y = tf.placeholder(dtype=tf.int32, shape=[None, 10])
input_x_images = tf.reshape(input_x, [-1, 28, 28, 1])


test_x = mnist.test.images[:3000]
test_y = mnist.test.labels[:3000]
#
# print(test_x[0])
# print(test_y[0])

conv1 = tf.layers.conv2d(inputs=input_x_images, filters=32, kernel_size=[5, 5], strides=1, padding='same', activation=tf.nn.relu)
pool1 = tf.layers.max_pooling2d(inputs=conv1, pool_size=[2, 2], strides=2)
conv2 = tf.layers.conv2d(inputs=pool1, filters=64, kernel_size=[5, 5], strides=1, padding='same', activation=tf.nn.relu)
pool2 = tf.layers.max_pooling2d(inputs=conv2, pool_size=[2, 2], strides=2)

flat = tf.reshape(pool2, [-1, 7*7*64])

dense = tf.layers.dense(inputs=flat, units=1024, activation=tf.nn.relu)

dropout = tf.layers.dropout(inputs=dense, rate=0.5)
logits = tf.layers.dense(inputs=dropout, units=10)
loss = tf.losses.softmax_cross_entropy(onehot_labels=output_y, logits=logits)
train_op = tf.train.AdamOptimizer(learning_rate=0.001).minimize(loss)

accuracy = tf.metrics.accuracy(labels=tf.argmax(output_y, axis=1), predictions=tf.argmax(logits, axis=1))[1]

sess = tf.Session()
init = tf.group(tf.global_variables_initializer(), tf.local_variables_initializer())
sess.run(init)

for i in range(20000):
    batch = mnist.train.next_batch(50)
    train_loss, train_op = sess.run([loss, train_op], {input_x: batch[0], output_y: batch[1]})
    if i % 100 == 0:
        test_accuracy = sess.run(accuracy, {input_x: test_x, output_y: test_y})
        print("step=%d, Train loss=%.4f, [Test accuracy=%.2f]"%(i, train_loss, test_accuracy))



test_output = sess.run(logits, {input_x: test_x[:20]})
inferenced_y = np.argmax(test_output, 1)
print(inferenced_y, 'Inference numbers')
print(np.argmax(test_y[:20], 1), 'real numbers')

以下是执行结果：

Extracting mnist_data\train-images-idx3-ubyte.gz
Extracting mnist_data\train-labels-idx1-ubyte.gz
Extracting mnist_data\t10k-images-idx3-ubyte.gz
Extracting mnist_data\t10k-labels-idx1-ubyte.gz
2018-03-21 23:46:23.802475: I D:\Build\tensorflow\tensorflow-r1.4\tensorflow\core\platform\cpu_feature_guard.cc:137] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX
step=0, Train loss=2.3221, [Test accuracy=0.19]
Traceback (most recent call last):
  File "E:/python学习/tensorflow/CNN_Mnist.py", line 41, in <module>
    train_loss, train_op = sess.run([loss, train_op], {input_x: batch[0], output_y: batch[1]})
  File "H:\virtualenvs\tensorflow\lib\site-packages\tensorflow\python\client\session.py", line 889, in run
    run_metadata_ptr)
  File "H:\virtualenvs\tensorflow\lib\site-packages\tensorflow\python\client\session.py", line 1105, in _run
    self._graph, fetches, feed_dict_tensor, feed_handles=feed_handles)
  File "H:\virtualenvs\tensorflow\lib\site-packages\tensorflow\python\client\session.py", line 414, in __init__
    self._fetch_mapper = _FetchMapper.for_fetch(fetches)
  File "H:\virtualenvs\tensorflow\lib\site-packages\tensorflow\python\client\session.py", line 234, in for_fetch
    return _ListFetchMapper(fetch)
  File "H:\virtualenvs\tensorflow\lib\site-packages\tensorflow\python\client\session.py", line 341, in __init__
    self._mappers = [_FetchMapper.for_fetch(fetch) for fetch in fetches]
  File "H:\virtualenvs\tensorflow\lib\site-packages\tensorflow\python\client\session.py", line 341, in <listcomp>
    self._mappers = [_FetchMapper.for_fetch(fetch) for fetch in fetches]
  File "H:\virtualenvs\tensorflow\lib\site-packages\tensorflow\python\client\session.py", line 231, in for_fetch
    (fetch, type(fetch)))
TypeError: Fetch argument None has invalid type <class 'NoneType'>

Process finished with exit code 1

Answer 1

Oscar 2018-03-22 05:02:22

问题是在 46 行的地方，那个应该是 train_op_， 和之前我们在 34 行定义的 train_op 不是一个哦：

train_op = tf.train.AdamOptimizer(learning_rate=0.001).minimize(loss)

它多一个下划线（_）。 

所以只要将 46 行这句

train_loss, train_op = sess.run([loss, train_op], {input_x: batch[0], output_y: batch[1]})

改为

train_loss, train_op_ = sess.run([loss, train_op], {input_x: batch[0], output_y: batch[1]})

即可。当然了，这个 train_op_ 我们后面没有用到，所以你随便取什么名字都行。

• 提问者 限量版灬型男 #1

  真是太感谢老师了