1.bug背景
InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor ‘input_1’ with dtype float and shape
[?,256,1,1]
在訓練model的過程中，我使用Input(shape=(channel,H,W))輸入了一個tensor後，想要將其轉換爲np.array格式以便我能使用一些numpy特有的函數，在查閱了網上的資料後決定採用eval函數實現我的夢想。但是實現過程卻報了上面的bug，具體原因是什麼呢？原因是我沒有爲placeholder tensor實例化，也就是說這個placeholder，他是個戰力五的渣渣，想用它需要我們feed（投喂）它，具體怎麼個投喂法，且聽我慢慢道來。
2.解決之路
首先，我們需要大體上去了解一下我們的tensor都有些什麼貨色，爲什麼別人用eval函數能做到的我們卻做不到。
tensor的種類：（constant、placeholder、Variable）
（1）constant：（常量）
通過constant方法創建，其是計算圖（Computational Graph）中的起始節點，是傳入數據。 創建過程
import tensorflow as tf
cons1 = tf.constant([1, 2, 3], shape=[2, 3])別人用eval函數時候怎麼用的，人家是拿這種constant類型的tensor給你演示的，你比如說對上面的cons1，我們可以執行下面的操作：
sess=tf.Session()
cons1 = cons1.eval(session=sess)
#然後輸出type(cons1)果然成功變成<class 'numpy.ndarray'>但是我咋一試就報了標題的bug呢？？因爲我用的不是這個常量，我用的是在模型中的placeholder，也就是下面我要說的這個。
（2） placeholder:（佔位符）
說白了就是佔着坑兒，和我們平時去佔座似的，我一個個都佔好座位了，但是上面沒有人就只有個你口頭上的話（“這座兒是我的哈”），專業一些講的話更類似是形參，它不能像constant一樣直接使用，需要用戶傳遞常數值，也就是feed。具體怎麼feed，我最後講，我們先有始有終的把tensor類型全部記錄下來。
（3）Variable（變量）
Vatiable是tensorflow的變量節點，通過Variable（注：V大寫）方法創建，並且需要傳遞初始值。在使用前需要通過tensorflow的初始化方法進行初始化。
3.placeholder咋整？
我們用Input函數（也就是keras.layers.Input）輸入進來的tensor，它就是個佔位符，和我們用X = tf.placeholder(dtype=tf.float32, shape=[144, 10], name=‘X’)創建的東西一樣，都是佔着坑沒東西的傢伙，你對這種傢伙用eval函數操作想讓它變成numpy的nd.array，它不現實，就好比你一個人對着一堆空桌子沒人坐在上面，讓他們彼此換座位似的，你得先整點兒人上去。
於是乎，我經過一番思考，我覺着反正佔位符它就是爲了佔位置，它本身是沒有值的，只是爲了撐起來模型的整體形狀而存在，那我們不妨直接給他賦值全0或別的什麼的，這樣它不就有值了，而且我的值並不影響它撐起模型的作用。說幹就幹：
zero_array = np.zeros(x.shape)#這兒是爲了feed x讓它能轉爲numpy
sess=tf.Session()
x = x.eval(session=sess,feed_dict={x:zero_array}) 通過上面這段代碼，我們就可以成功把一個tensor轉換成numpy的nd.array了，如果想要轉換回tensor，可以用：
x =tf.convert_to_tensor(x)寫到這兒，tensor和numpy的互相轉化結束了，但是我還想說一句忠告，如果你是從我這篇關於moveaxis的文章移步到這裏的話，我想先問您一下是否在和我走同樣的路：
我用的是keras訓練模型，但是我想將channel_last轉換爲channel_first，轉換後我在拼接Concatenate和調整大小keras.backend.resize_images遇到了維度對接不上的問題。因爲keras.backend.resize_images這個函數只能用於channel_last的tensor，所以我的想法是先把它轉換爲channel_last後調整完大小再轉回去。
調了一整天的我發現，這樣的確可以把維度調順，但是有一個問題就是，我們在使用tf的函數過程中，返回值是tf.tensor，而我們若用keras訓練模型的話，我們應該輸入keras.tensor，這個問題在我查的最多的方法中告訴我可以用Lambda層包住tf的函數，但是但是但是！！！我這個過程中有一步的函數tf.convert_to_tensor(x)這個函數是爲了把numpy轉換成tensor的，如果用Lambda層包住，而Lambda層又需要我們輸入進入一個tensor，就成了那個程序員找工作的故事了（“我想要找工作！”、“那你得有工作經驗”，“我不工作哪兒來的工作經驗？”，“但是你得先有工作經驗才能找到這份工作！！“）。
所以說了這半天，我想說的是如果你用的是tensorflow搭建模型，上面這種轉換應該不會有啥影響，但是如果你用keras搭建，你最後輸入模型的時候必然還會出現這種bug（keras.tensor and tf.tensor）。如果你是因爲*keras.backend.resize_images只能一種格式而鬱悶，我這兒有一個藥方（tensor調整大小篇），但是如果是別的，我建議你別這樣換來換去的，最後維度對上了格式不對的吐血感受，誰看誰知道。。
