我试图将形状为[batch_size，256,256,3]的输入图像的张量切片或拆分为形状为[batch_size，256,256,1]的三个独立变量，其中每个变量恰好包含输入图像的一个通道，即
R_channel =图像[-1,256,256,0]
G_channel =图像[-1,256,256,1]
B_channel =图像[-1,256,256,2]
我已经尝试了以下代码：
imgs, label = iterator.get_next()
channel_r=imgs[-1,:,:,0]
channel_g=imgs[-1,:,:,1]
channel_b=imgs[-1,:,:,2]
NN_network(imgs,channel_r,channel_g,channel_b)
...
def NN_network(imgs,c_r,c_g,c_b):
conv1=tf.layers.conv2d(imgs,n_filter,kernel_Size,...)
conv2=tf.layers.conv2d(c_r,n_filter,kernel_Size,...)
conv3=tf.layers.conv2d(c_g,n_filter,kernel_Size,...)
conv4=tf.layers.conv2d(c_b,n_filter,kernel_Size,...)
concat_layer=tf.concat(axis=3,values=[imgs,c_r,c_g,c_b])
在tensorflow中，但出现以下错误：
InvalidArgumentError（请参阅上面的回溯）：ConcatOp：尺寸 的输入应该匹配：shape [0] = [16,12,256,256] vs. shape [1] = [1,12,256,256] [[节点LC_Nikon1 / concat（定义为）= ConcatV2 [N = 4，T = DT_FLOAT，Tidx = DT_INT32， _device =“ / job：localhost / replica：0 / task：0 / device：GPU：0”]（/ conv2d / BiasAdd， / conv2d_1 / BiasAdd，/ conv2d_2 / BiasAdd，/ conv2d_3 / BiasAdd， 渐变/ resize_image_with_crop_or_pad_1 / crop_to_bounding_box / Slice_grad / concat / axis）]] [[{{节点 resize_image_with_crop_or_pad / pad_to_bounding_box / GreaterEqual_3 / _83}} = _Recvclient_terminated = false，recv_device =“ / job：localhost /副本：0 / task：0 / device：CPU：0”， send_device =“ / job：localhost /副本：0 / task：0 / device：GPU：0”， send_device_incarnation = 1， tensor_name =“ edge_384_resize_image_with_crop_or_pad / pad_to_bounding_box / GreaterEqual_3”， tensor_type = DT_BOOL， _device =“ / job：localhost /副本：0 /任务：0 /设备：CPU：0”]]
我该怎么做，这是什么错误？
答案 0 :(得分：1)
可运行的代码：
import tensorflow as tf
import numpy as np
# imgs is supposed to be a tensor
# tf.random.normal available in TF 1.12
imgs = tf.random.normal((16, 256, 256, 3))
channel_r=imgs[:,:,:,0:1]
channel_g=imgs[:,:,:,1:2]
channel_b=imgs[:,:,:,2:3]
n_filter = 16
kernel_Size = 3
def NN_network(imgs,c_r,c_g,c_b):
conv1=tf.layers.conv2d(imgs,n_filter,kernel_Size)
conv2=tf.layers.conv2d(c_r,n_filter,kernel_Size)
conv3=tf.layers.conv2d(c_g,n_filter,kernel_Size)
conv4=tf.layers.conv2d(c_b,n_filter,kernel_Size)
concat_layer=tf.concat(axis=3,values=[imgs,c_r,c_g,c_b])
NN_network(imgs,channel_r,channel_g,channel_b)
您的错误消息是说shape[0]（即imgs的形状）等于[16,12,256,256]，但是shape[1]（即c_r的形状）等于[1,12,256,256]（第0维不匹配）。
这是因为您设置了channel_r=imgs[-1,:,:,0]，其第0维与imgs的维不匹配。
我将channel_r=imgs[-1,:,:,0]更改为channel_r=imgs[:,:,:,0:1]，以使生成的channel_r具有4个维度，并且仅与`imgsat第3个维度不同。