TensorFlow 2.4中'tensor_shape'属性缺失错误的解决咨询

错误原因 #

tf.make_ndarray() 是用来将TensorProto对象（TensorFlow的序列化张量格式）转换为numpy数组的，但你传入的是普通的tf.Tensor对象，自然会触发tensor_shape属性不存在的错误。

解决方法 #

直接把tf.Tensor转换成numpy数组即可，替换掉tf.make_ndarray(image)这一行，有两种常用方式：

方式1：使用.numpy()方法（推荐） #

TensorFlow 2.x默认开启Eager Execution，tf.Tensor对象可以直接调用.numpy()方法转成numpy数组：

image_GT = [image_GT]
aperture_size = 7
t_lower = 0  # Lower Threshold
t_upper = 1
print("image_GT[0].shape: ", image_GT[0].shape) 
image = image_GT[0][0] 
print("type(image): ", type(image))     
print("image.shape: ", image.shape)        
# 替换原tf.make_ndarray行
image = image.numpy()
image = cv2.Canny(image, t_lower, t_upper, apertureSize=aperture_size)

方式2：兼容Graph Execution的转换方式 #

如果处于Graph Execution模式下，可以先用tf.convert_to_tensor确保张量有效性，再转numpy：

image = tf.convert_to_tensor(image).numpy()

额外提示 #

• 确保张量数值类型是cv2支持的格式（比如uint8或float32），如果是float类型且数值不在0-255范围，建议先做归一化或缩放，否则Canny边缘检测效果会异常。
• 你设置的t_lower=0和t_upper=1阈值过低，大概率会检测出大量噪声边缘，建议根据图像实际情况调整阈值（比如常用范围50-150）。

内容的提问来源于stack exchange，提问作者sanjay gupta