1.1 问题描述
定义以下函数：
def exposure_mat(a_embedded, model_expo, N_rays, N_samples_, chunk):
a_embedded_ = repeat(a_embedded, 'n1 c -> (n1 n2) c', n2=N_samples_)
...
调用上述函数时，运行至 a_embedded_ = repeat(a_embedded.numpy(), 'n1 c -> (n1 n2) c', n2=int(N_samples_))，报错 Type Error: unhashable type: 'Dimension'
1.2 解决方法：
网上看到的解决方法都没能解决，然后查询unhashable是什么意思（详见Python异常：unhashable type 是怎么回事？），最后确定原因 N_samples_不是 int类型，转为 int就可以啦。
还有我这里用的 a_embedded是用 tf.get_variable()获得的，需要转化为 numpy。
最后，成功运行的代码是：
[En]
Finally, the code that runs successfully is:
def exposure_mat(a_embedded, model_expo, N_rays, N_samples_, chunk):
repeat(a_embedded.numpy(), 'n1 c -> (n1 n2) c', n2=int(N_samples_))
...
2.1 问题描述
tf.concat([rays, rays_o[..., 3]], axis=-1)
其中 rays的shape为：(8192,74)
rays_o[..., 3]的shape为：(8192,)
报错信息为 Ranks of all input tensors should match: shape[0] = [8192,74] vs. shape[1] = [8192] [Op:ConcatV2] name: concat
2.2 问题分析
要拼接的两个 tensor维度不一致，需要对 rays_id进行reshape，采用 tf.reshape 函数
2.3 解决方法
rays_id = tf.reshape(rays_o[..., 3],[rays.shape[0],1])
rays = tf.concat([rays, rays_id], axis=-1)
3.1问题描述
out = rearrange(out, '(n1 n2) c -> n1 n2 c', n1=N_rays, n2=int(N_samples_))
出现报错：
{AttributeError}module 'tensorflow.python.keras.api._v1.keras.backend' has no attribute 'is_keras_te
3.2 解决方法
网上类似的问题说是版本原因，但我有类似的代码是可以运行的。所以猜测是 out数据类型的问题，把 out改为 array（用 out.numpy()）后，问题解决，代码如下：
out = rearrange(out.numpy(), '(n1 n2) c -> n1 n2 c', n1=N_rays, n2=int(N_samples_))
4.1 问题描述
运行：
a_embedded = tf.gather(a_embedded, ray_batch[:, -1]))
其中a_embedded是用tf.get_variable()获得的，
出现报错：InvalidArgumentError: Value for attr ‘Tindices’ of float is not in the list of allowed values: int32, int64 ; NodeDef: {{node ResourceGather}};
4.2 解决方法
用tf.gather时，索引的列表的数据必须是int类型的，所以修改为：
a_embedded = tf.gather(a_embedded, np.array(ray_batch[:, -1]).astype(int))
Original: https://blog.csdn.net/fighterlucky/article/details/124290107
Author: 猪小肥呀
Title: Tensorflow学习（二）——遇到的报错及解决方法
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/497432/
转载文章受原作者版权保护。转载请注明原作者出处！