node.js - 隐式形状不能是小数

Question

我正在尝试在 TensorFlow 中创建一个标签。
这是 image在下面的代码中。

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'
        )
    })
}

我收到了这个错误:

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

这是当我 console.log() 解码时:

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

Answer 1

我昨晚遇到了和你一样的问题。我想知道为什么它不适用于 PNG 图像，但 JPG 图像可以正常工作。事实证明，它有事情要做number of channels从缓冲区解码图像时使用。
当我们使用 decodeImage函数( reference )，它使用 3 个 channel 用于 JPG，4 个 channel 用于 PNG。但是，该模型需要 3 个 channel 。解码图像后，我们可以明确告诉 decodeImage使用 3 个 channel 来解码所有类型的图像。
修改后的代码如下所示:

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');
    })
}

凡 decodeImage现在接受第二个参数，指示在图像解码期间要使用的 channel 数。