打印预训练CNN第一层张量值时出现负维度错误求助

看起来你遇到的问题核心是没有为依赖的Placeholder提供输入数据，导致TensorFlow无法正确计算张量形状。让我一步步帮你分析和解决：

错误原因 #

当你调用sess.run(test)或者conv1.eval()时，conv1这个张量依赖于输入占位符x，但你没有传入feed_dict来指定x的具体值。这时候TensorFlow无法确定x的batch维度（也就是形状里的?）的实际大小，进而导致形状计算失败，抛出"Shape [-1,227,227,3] has negative dimensions"的错误。

解决方案 #

你有几种方式可以正确查看conv1的输出值：

方法1：直接使用已获取的output变量 #

你其实已经通过下面的代码得到了conv1的输出值，直接打印这个变量就可以了：

output = sess.run(conv1, feed_dict = {x:[im1]})
print(output)

方法2：修正tf.Print的调用方式 #

如果一定要用tf.Print，需要在运行的时候传入feed_dict，让TensorFlow知道输入数据：

test = tf.Print(conv1, [conv1])
# 必须传入feed_dict
sess.run(test, feed_dict={x: [im1]})

注意：tf.Print的输出会打印到控制台的标准错误流（stderr），而不是常规的stdout，你需要在控制台的对应位置查看输出。

方法3：使用eval()并指定session和feed_dict #

用eval()的时候，同样需要提供输入数据，并且指定当前的session：

conv1_output = conv1.eval(session=sess, feed_dict={x: [im1]})
print(conv1_output)

额外小提示 #

你可以打印output的形状来确认卷积层输出是否符合预期：

print(output.shape)
# 对于AlexNet的conv1，输入227x227x3，步长4，padding=SAME的话，输出应该是(1, 57, 57, 96)

内容的提问来源于stack exchange，提问作者Dave