我在尝试增强MNIST数据集。这是我的尝试方法，但一直没有成功。

from tensorflow.examples.tutorials.mnist import input_dataimport tensorflow as tfX = mnist.train.imagesy = mnist.train.labelsdef flip_images(X_imgs):    X_flip = []    tf.reset_default_graph()    X = tf.placeholder(tf.float32, shape = (28, 28, 1))    input_d = tf.reshape(X_imgs, [-1, 28, 28, 1])    tf_img1 = tf.image.flip_left_right(X)    with tf.Session() as sess:        sess.run(tf.global_variables_initializer())        for img in input_d:            flipped_imgs = sess.run([tf_img1], feed_dict = {X: img})            X_flip.extend(flipped_imgs)    X_flip = np.array(X_flip, dtype = np.float32)    return X_flipflip = flip_images(X)

我做错了什么？我实在是搞不明白。

错误：

Line: for img in input_d:raise TypeError("'Tensor' object is not iterable.")TypeError: 'Tensor' object is not iterable

回答：

首先要注意，你的tf.reshape操作将数据类型从ndarray变为了tensor。需要调用.eval()来将其转换回来。在那个for循环中，你试图遍历一个tensor（而不是列表或真正的可迭代对象），可以考虑使用数值索引，如下所示：

X = mnist.train.imagesy = mnist.train.labelsdef flip_images(X_imgs):    X_flip = []    tf.reset_default_graph()    X = tf.placeholder(tf.float32, shape = (28, 28, 1))    input_d = tf.reshape(X_imgs, [-1, 28, 28, 1])    tf_img1 = tf.image.flip_left_right(X)    with tf.Session() as sess:        sess.run(tf.global_variables_initializer())                for img_ind in range(input_d.shape[0]):            img = input_d[img_ind].eval()            flipped_imgs = sess.run([tf_img1], feed_dict={X: img})            X_flip.extend(flipped_imgs)    X_flip = np.array(X_flip, dtype = np.float32)    return X_flipflip = flip_images(X)

如果这解决了你的问题，请告诉我！为了测试，你可能需要将范围设置为一个较小的常数，如果没有GPU，这可能会花费一些时间。