获取了意外的关键字参数形状

Question

在我下面的代码中

class cnnUtils:

    def get_weight(shape):
        init=tf.truncated_normal(shape,stddev=0.1)
        return tf.Variable(init)
    def get_bias(shape):
        init=tf.constant(0.1,shape=shape)
        return tf.Variable(init)
    def conv2d(x,w):
        return tf.nn.conv2d(x,w,strides=[1,1,1,1],padding="SAME")
    def maxpool_2d(x):
        return tf.nn.max_pool(x,ksize=[1,2,2,1],strides=[1,2,2,1],padding="SAME")
    def conv_layer(input,shape):
        b=get_bias([shape[3]])
        w=get_weight(shape)
        return tf.nn.relu(conv2d(input,w)+b)
    def full_layer(input,size):
        in_size=int(input.get_shape()[1])
        w=get_weight([in_size,size])
        b=get_bias([size])
        return tf.matmul(input,w)+b
utils=CnnUtils()
x=tf.placeholder(tf.float32,shape=[None,32,32,3])
y=tf.placeholder(tf.float32,shape=[None,10])
conv1=utils.conv_layer(x,shape=[5,5,3,32])

我得到以下错误

TypeError Traceback（最近的调用最后）在----

TypeError:conv_layer（）获得意外的关键字参数“shape”

但是当我移动class关键字并将代码用作简单的函数调用时

conv1=conv_层（x，形状=[5,5,3,32]）

Erors完成了。有人能告诉我这里发生了什么吗？我的理解是，“形”这个关键词在这里一塌糊涂。

Answer 1

如果conv_layer作为CnnUtils类的方法，conv_layer方法的第一个参数input指的是CnnUtils类的实例。因此，当您调用utils时。conv_层（x，shape=[5,5,3,32]），x被指定为shape的值。[只需在conv_layer方法中打印输入和形状的值即可]。因此，工作实施如下：

import tensorflow as tf


class CnnUtils:

    def get_weight(self, shape):
        init=tf.truncated_normal(shape,stddev=0.1)
        return tf.Variable(init)

    def get_bias(self, shape):
        init=tf.constant(0.1,shape=shape)
        return tf.Variable(init)

    def conv2d(self, x, w):
        return tf.nn.conv2d(x,w,strides=[1,1,1,1],padding="SAME")

    def maxpool_2d(self, x):
        return tf.nn.max_pool(x,ksize=[1,2,2,1],strides=[1,2,2,1],padding="SAME")

    def conv_layer(self, input, shape):
        b=self.get_bias([shape[3]])
        w=self.get_weight(shape)
        return tf.nn.relu(self.conv2d(input,w)+b)

    def full_layer(self, input, size):
        in_size=int(input.get_shape()[1])
        w=self.get_weight([in_size,size])
        b=self.get_bias([size])
        return tf.matmul(input,w)+b


utils=CnnUtils()
x=tf.placeholder(tf.float32,shape=[None,32,32,3])
y=tf.placeholder(tf.float32,shape=[None,10])
conv1=utils.conv_layer(x, shape=[5,5,3,32])