隐式形状不能为分数

问题描述

我正在尝试在TensorFlow中创建标签。 这是image，位于下面的代码中。

async function main(){
    const model = await mobilenet.load();
    const classifier = await knnClassifier.create();
    const buf = fs.readFileSync('./41.png');
    const decode = tfnode.node.decodeImage(buf);
    console.log(decode)
    return new Promise(async resolve => {
        const embedding = model.infer(
            decode,false
        );
        classifier.addExample(
            embedding,'rong'
        )
    })
}

我得到了这个错误：

(node:17992) UnhandledPromiseRejectionWarning: Error: The implicit shape can't be a fractional number. Got 200704 / 150528

这是我console.log（）进行解码的时间：

Tensor {
  kept: false,isDisposedInternal: false,shape: [ 475,475,4 ],dtype: 'int32',size: 902500,strides: [ 1900,dataId: {},id: 264,rankType: '3',scopeId: 311
}

解决方法

昨晚我和你有同样的问题。我想知道为什么它不能用于PNG图像，而JPG图像却能正常工作。事实证明，它需要做一些number of channels的工作，用于从缓冲区解码图像。

当我们使用decodeImage函数（reference）时，它为JPG使用3个通道，为PNG使用4个通道。但是，该模型需要3个通道。解码图像后，我们可以明确告知decodeImage对要解码的所有类型的图像使用3个通道。

修改后的代码如下：

async function main() {
    const model = await mobilenet.load();
    const classifier = await knnClassifier.create();
    const buf = fs.readFileSync('./41.png');
    const decode = tfnode.node.decodeImage(buf,3);

    return new Promise(async resolve => {
        const embedding = model.infer(decode,false);
        classifier.addExample(embedding,'rong');
    })
}

decodeImage现在接受第二个参数，指示在图像解码期间要使用的通道数。