TensorFlow中tf.control_dependencies报错：无法将列表转为Tensor/Operation

嘿，问题一眼就能看出来——你传给crop函数的第一个参数Image是普通Python嵌套列表，不是TensorFlow的Tensor对象！

为什么会触发这个报错？ #

tf.control_dependencies()的依赖列表里只能放TensorFlow的Operation或者Tensor对象，而你传入的images是原生Python列表，TensorFlow没办法把它转换成合法的依赖项，这就是报错的直接原因。

你看你的输入定义：

Image =[[[[1, 1, 1,1], [2, 2, 2,2]], [[3,3, 3, 3], [4,4, 4, 4]]]]

这只是个Python数据结构，没有被转换成TF Tensor。虽然crop函数里前面的tf.shape(images)这类操作能勉强通过隐式转换处理，但到tf.control_dependencies这里会严格检查类型，直接抛出错误。

解决方案（不用修改crop函数） #

只需要把Image转换成TensorFlow的Tensor就行，修改你的输入部分：

# 把原来的Image列表改成TF常量Tensor
Image = tf.constant([[[[1, 1, 1,1], [2, 2, 2,2]], [[3,3, 3, 3], [4,4, 4, 4]]]], dtype=tf.float32)

这样传入crop的就是合法的TF Tensor了，tf.control_dependencies([assert_op, images, batch_inds])里的每个元素都是TF认可的类型，报错就会消失。

额外小提醒（可选，因为你不想改crop函数） #

顺带提一句，你crop函数里的boxes处理逻辑有点奇怪：先把boxesreshape成[-1,4]，又立刻reshape成[-1,2]，这会把原本的[x1,y1,x2,y2]拆成两两一组，可能不符合tf.image.crop_and_resize对boxes的格式要求（它需要每个box是[y1, x1, y2, x2]且值是归一化后的0-1范围）。不过既然你明确不想修改crop函数，那先解决当前的类型报错再说~

内容的提问来源于stack exchange，提问作者Go Go Gadget 2