Question

我使用卷积网络来分割不同形状的图像。我找不到在Tensorflow中加载图像的方法。基于this issue，它应该与tf.data.Dataset（）一起使用。我以这种方式创建数据集：

    dataset = tf.data.Dataset.from_tensor_slices(filenames)
    dataset = dataset.map(read_file)
    dataset = dataset.shuffle(samples_in_buffer)
    dataset = dataset.batch(batch_size)
    dataset = dataset.repeat()

执行时我收到此错误

HandleElementToSlice Cannot copy slice: number of elements does not match.  Shapes are: [element]: [295,256,3], [parent slice]: [276,128,3]

是否可以使用Tensorflow加载不同大小的图像，随机播放和批处理？

备注：我想使用空间金字塔池来处理不同的图像大小。

Answer 1

dataset.batch（）正在尝试从不同大小的张量（不同大小的图像）构建密集批处理，如下所述：tf.contrib.data.DataSet batch size can only set to 1

如果您正在设置batch_size = 1或2，您的代码可能会起作用。将所有图像调整为相同大小，例如在read_file-function中使用tf.image.resize_image_with_crop_or_pad（）。

另一种选择是使用dataset.padded_batch（...）而不是dataset.batch并指定padded_shape使得所有图像具有相同的大小（包括填充），即可能是dataset.padded_batch（batch_size，padded_shape = [无]）。

最后，在即将发布的TF r1.4中，您可以使用dataset.from_generator（）。

Tensorflow数据集具有不同的形状

1 个答案: