Question

我需要使用None值重塑张量，以便它可以根据输入图像的大小动态变化。有没有可能的方式？？？，我厌倦了以下选择：

这是我修改代码的一部分：

选项_1：

x = Conv2D(512, (3, 3), activation='relu', padding='same')(x)

new_dims = (1,None,None,512)

x = Reshape(target_shape= new_dims, name='reshapeconvtolstm')(x)

我得到的错误是：

ValueError：试图将'shape'转换为张量，但失败。错误：不支持任何值。

Option_2：我尝试使用here中所述的（-1）值来解决它：

new_dims = (1,-1,-1,512)

x = Reshape(target_shape= new_dims, name='reshapeconvtolstm')(x)

但是我得到了错误

k：0 / device：GPU：0”，send_device_incarnation = 1， tensor_name =“ edge_3691_loss / add”，tensor_type = DT_FLOAT， _device =“ / job：localhost / replica：0 / task：0 / device：CPU：0”]（）]] 2019-03-11 14：13：46.806892：W tensorflow / core / framework / op_kernel.cc：1273 ] OP_REQUIRES在reshape_op.h：51失败：参数无效：仅一个输入大小可能是-1，而不是2和3都例外：仅一个输入大小可能是-1，而不是2和3

Option_3：

此外，我尝试使用输入图像的大小对其进行调整，并尝试了以下选项：

new_dims = (1,352,240,512)

x = Reshape(target_shape= new_dims, name='reshapeconvtolstm')(x)

但是我得到了错误

构建网络后出现错误：例外：重塑的输入是张量为168960的张量，但请求的形状为43253760 [[{{node reshapeconvtolstm / Reshape}} =整形[T = DT_FLOAT，Tshape = DT_INT32， _class = [“ loc：@ training / Adam / gradients / reshapeconvtolstm / Reshape_grad / Reshape”]， _device =“ / job：localhost / replica：0 / task：0 / device：GPU：0”]（block5_conv3 / Relu-2-0-TransposeNCHWToNHWC-LayoutOptimizer， reshapeconvtolstm / Reshape / shape）]

我需要将其调整为 None 值，以使其随输入内容和要素图的大小而变化。与选项1一样，有任何线索吗？

如何使用Keras（tensorflow后端）将4D张量调整为具有“无”值的5D张量

0 个答案: