Question

我正在研究针对手机相机图像优化的OCR软件。

目前，每个300 x 1000 x 3（RGB）图像被重新格式化为900 x 1000 numpy数组。我有一个更复杂的模型架构的计划，但是现在我只想让基线工作。我想通过在我生成的数据上训练静态RNN来开始。

形式上，我在每个时间步t t喂食n_t达T个时间步，其中n_t是900矢量，T = 1000（类似于从左到右读取整个图像）。以下是Tensorflow代码，我在其中创建了用于培训的批处理：

sequence_dataset = tf.data.Dataset.from_generator(example_generator, (tf.int32, 
tf.int32))
sequence_dataset = sequence_dataset.batch(experiment_params['batch_size'])
iterator = sequence_dataset.make_initializable_iterator() 
x_batch, y_batch = iterator.get_next()

tf.nn.static_bidirectional_rnn文档声称输入必须是＆＃34;长度为T的输入列表，每个输入都是一个形状张量[batch_size，input_size]或这些元素的嵌套元组。＆＃34;因此，我将执行以下步骤，以便将数据转换为正确的格式。

# Dimensions go from [batch, n , t] -> [t, batch, n]
x_batch = tf.transpose(x_batch, [2, 0, 1])

# Unpack such that x_batch is a length T list with element dims [batch_size, n]
x_batch = tf.unstack(x_batch, experiment_params['example_t'], 0)

如果不进一步改变批次，我会进行以下调用：

output, _, _ = tf.nn.static_rnn(lstm_fw_cell, x_batch, dtype=tf.int32)

请注意，我没有明确告诉Tensorflow矩阵的大小（这可能是问题）。它们都具有相同的维度，但我得到以下错误：

ValueError: Input size (dimension 0 of inputs) must be accessible via shape 
inference, but saw value None.

我的堆栈中的哪一点应该声明输入的尺寸？因为我使用数据集并希望将其批次直接发送到RNN，所以我不确定＆＃34;占位符 - ＆gt; feed_dict＆＃34;路线很有意义。如果这实际上是最有意义的方法，让我知道它看起来像什么（我绝对不知道）。否则，如果您对此问题有任何其他见解，请与我们联系。谢谢！

Answer 1

缺少静态形状信息的原因是TensorFlow对example_generator函数不够了解以确定它产生的数组的形状，因此它假定形状可以完全不同于元素到下一个。限制此操作的最佳方法是为tf.data.Dataset.from_generator()指定可选的output_shapes参数，该参数接受与所产生元素的结构（以及output_types参数）匹配的形状的嵌套结构。 / p>

在这种情况下，您将传递两个形状的元组，可以部分指定。例如，如果x元素是900 x 1000数组且y元素是标量：

sequence_dataset = tf.data.Dataset.from_generator(
    example_generator, (tf.int32, tf.int32),
    output_shapes=([900, 1000], []))

Tensorflow形状推断静态RNN编译器错误

1 个答案: