我有张量流队列读取器中生成的输入张量形状（1,512,512,32）
viewScope.forkNum我想在此输出张量的第四维上选择一个随机切片，这样每次调用一个新批次时，也会采用一个新的随机切片。我已使用batch_input, batch_output = tf.train.shuffle_batch([image, label], batch_size=BATCH_SIZE, capacity=3 * BATCH_SIZE + min_queue_examples,
enqueue_many=True, min_after_dequeue=min_queue_examples, num_threads=16)
#BATCH_SIZE = 1
numpy但是每次都会返回rand_slice_ind = np.random.randint(0, 32)
slice_begin = tf.constant([0, 0, 0, rand_slice_ind])
slice_input = tf.slice(batch_input, begin = slice_begin, size = [BATCH_SIZE, height, width, 1])
的相同值。我认为这与使用在图形外部生成的非张量流对象有关。
我还尝试了rand_slice_ind的内容：
tf.random_uniform但这会导致梯度计算出现问题。有什么提示吗？
答案 0 :(得分：0)
您可以尝试使用gather来实现：
slice_length = 128
data_length = data.shape[your_axis]
max_offset = data_length - slice_length
random_offset = tf.random.uniform((), minval=0, maxval=max_offset, dtype=tf.dtypes.int64)
slice_indices = tf.range(0, slice_length, dtype=tf.dtypes.int64)
random_slice = tf.gather(data, slice_indices + random_offset, axis=your_axis)