Question

我将我的数据批处理

batch_size = 50
min_after_dequeue = 100
capacity = min_after_dequeue + 3 * batch_size

mr_batch, us_batch = tf.train.shuffle_batch(
      [mr, us], batch_size=batch_size, capacity=capacity,
      min_after_dequeue=min_after_dequeue)
mr_batch, us_batch

这给了我张量形状：

(<tf.Tensor 'shuffle_batch_2:0' shape=(50, 466, 394, 1) dtype=int16>,
 <tf.Tensor 'shuffle_batch_2:1' shape=(50, 366, 323, 1) dtype=uint8>)

然后我调整图像大小以获得相同的分辨率：

mr_batch = tf.image.resize_bilinear(mr_batch, [366, 323])
mr_batch, us_batch

这给了我形状：

(<tf.Tensor 'ResizeBilinear_13:0' shape=(50, 366, 323, 1) dtype=float32>,
 <tf.Tensor 'shuffle_batch_2:1' shape=(50, 366, 323, 1) dtype=uint8>)

最后我提取图像补丁：

us_patch = tf.extract_image_patches(label, [1, 7, 7, 1], [1, 2, 2, 1], [1, 1, 1, 1], 'SAME')
mr_patch = tf.extract_image_patches(image, [1, 7, 7, 1], [1, 2, 2, 1], [1, 1, 1, 1], 'SAME')

us_patch, mr_patch

并有形状：

(<tf.Tensor 'ExtractImagePatches_8:0' shape=(50, 92, 81, 1225) dtype=uint8>,
 <tf.Tensor 'ExtractImagePatches_9:0' shape=(50, 92, 81, 1225) dtype=float32>)

我现在想将此形状转换为(50*1225, 92, 81)，这样我就可以将它提供给我的火车步骤了。

如何调用此张量操作？

Answer 1

您可以将tf.reshape与特殊参数-1一起使用来填充剩余的值：

tf.reshape(us_patch, [-1, 92, 81])

但是，这可能很危险，因为当您将之前的形状设置错误时（例如，如果us_patch具有形状[50, 92, 81, 1000]），TensorFlow将不会输出错误并仅将整个形状重塑为{{ 1}}。

将tf.extract_image_patches转换为批量形状

1 个答案: