Question

我写了一个函数来计算形状（1，H，W，C）的图像特征的克矩阵。我写的方法如下：

def calc_gram_matrix(features, normalize=True):
  #input: features is a tensor of shape (1, Height, Width, Channels)

  _, H, W, C = features.shape
  matrix = tf.reshape(features, shape=[-1, int(C)])
  gram = tf.matmul(tf.transpose(matrix), matrix)

  if normalize:
    tot_neurons = H * W * C
    gram = tf.divide(gram,tot_neurons)

return gram

要测试我的克数矩阵的实现，有一个方法：

 def gram_matrix_test(correct):
    gram = calc_gram_matrix(model.extract_features()[5])     #
    student_output = sess.run(gram, {model.image: style_img_test})
    print(style_img_test.shape)
    error = rel_error(correct, student_output)
    print('Maximum error is {:.3f}'.format(error))

 gram_matrix_test(answers['gm_out'])

当我运行gram_matrix_test（）时出现错误 - ＆gt; ValueError：无法将未知Dimension转换为Tensor：？

（错误在这一行 - ＆gt;“ gram = tf.divide（gram，tot_neurons）”）

在调试时我发现 model.extract_features（）[5] 的形状是（？，？，？，128），因此无法进行除法。

style_img_test 的维度为（（1,192,242,3）），因此当我们运行会话H时，将填充W，C。

你能指导我如何解决这个问题吗？

Answer 1

我进行了以下更改并且有效。

def calc_gram_matrix(features, normalize=True):
  #input: features is a tensor of shape (1, Height, Width, Channels)

  features_shape = tf.shape(features)
  H = features_shape[1]
  W = features_shape[2]
  C = features_shape[3]

  matrix = tf.reshape(features, shape=[-1, C])
  gram = tf.matmul(tf.transpose(matrix), matrix)

  if normalize:
    tot_neurons = H * W * C
    tot_neurons = tf.cast(tot_neurons, tf.float32)

    gram = tf.divide(gram,tot_neurons)

return gram

在Tensorflow中处理未知维度

1 个答案: