Question

我正在像这样在tensorflow中创建一个数据集迭代器：

iterator = tf.data.Iterator.from_structure(training_dataset.output_types, training_dataset.output_shapes)

training_dataset.output_shapes是

[TensorShape([Dimension(None), Dimension(48), Dimension(48), Dimension(3)])]

第一个维度为无，因为网络（EDSR）旨在接受固定大小的图像块。不同大小的输入图像将成为不同数量的色板，这是根据数据集API在预处理期间发生的步骤。进出的形状是：

(?, ?, 3) -> (?, 48, 48, 3)

如果迭代器代码仅被调用一次（如在单元测试中一样），则它将按预期运行。但是，如果调用两次，它将返回如下错误：

tensorflow.python.framework.errors_impl.InvalidArgumentError: Input to reshape is a tensor with 870912 values, but the requested shape has 1354752
     [[{{node create_image_swatches/Reshape}}]]
     [[{{node create_iterator/IteratorGetNext}}]]

我以前写过与此非常相似的代码。数据集迭代器将使用相同的语法和结构多次工作，但具有固定的第一维和可变的其他维，例如

[TensorShape([Dimension(1), Dimension(None), Dimension(None), Dimension(3)])]

数据集迭代器的第一个维度不能为可变大小是有原因的吗？

创建尺寸更改的数据集迭代器？

0 个答案: