我正在为每个元素构建一个具有两个形状[张,宽,高,3]和[批次,类]张量的数据集 . 为简单起见,我们可以说class = 5 .
你为 dataset.padded_batch(1000,shape)
提供了什么样的形状,以便沿宽度/高度/ 3轴填充图像?
我尝试过以下方法:
tf.TensorShape([[None,None,None,3],[None,5]])
[tf.TensorShape([None,None,None,3]),tf.TensorShape([None,5])]
[[None,None,None,3],[None,5]]
([None,None,None,3],[None,5])
(tf.TensorShape([None,None,None,3]),tf.TensorShape([None,5]))
每次引发TypeError
The docs州:
padded_shapes:tf.TensorShape或tf.int64矢量张量类对象的嵌套结构,表示在批处理之前应填充每个输入元素的相应组件的形状 . 任何未知的尺寸(例如tf.TensorShape中的tf.Dimension(None)或类似张量的对象中的-1)将被填充到每个批次中该尺寸的最大尺寸 .
相关代码:
dataset = tf.data.Dataset.from_generator(generator,tf.float32)
shapes = (tf.TensorShape([None,None,None,3]),tf.TensorShape([None,5]))
batch = dataset.padded_batch(1,shapes)
2 回答
感谢mrry寻找解决方案 . 事实证明,from_generator中的类型必须与条目中的张量数相匹配 .
新代码:
TensorShape不接受嵌套列表 .
tf.TensorShape([None, None, None, 3, None, 5])
和TensorShape(None)
(注意没有[]
)是合法的 .但是,结合这两个张量对我来说听起来很奇怪 . 我不确定你要完成什么,但我建议你尝试不使用不同尺寸的张量 .