目标

  • 我正在使用与YOLO类似的操作模式在TensorFlow中设计神经网络，即在图像上构建网格，并对网格中的每个单元格进行预测 .

  • 我有一组输入图像，每个图像的标签数量因图像而异 . 例如，第一个图像有5个标签，第二个图像有10个，第三个有2个，等等 . 我的神经网络的预测是以 (# images) x (# grid cells) x (5) 的形式投射的 .

  • 对于批处理中的每个图像，我选择与其各自标签位置对应的网格单元格（使用tf.gather） . 通过这种方式，我获得了包含相关对象的网格单元格 .

  • 然后我有一个损失函数，它增加给定图像中每个标签的损失，将其全部加到总损失中 .

问题

由于结构的不规则性（沿着每个维度的元素数量不同），我发现很难想出一种处理这种嵌套结构的方法 . 通常情况下，我似乎允许这样做（循环 None dims，切片等） .

可能的解决方案？

我试过的一些事情：

  • 使用tf.range在预测的第一个维度（图像数量）上运行简单而简单的循环，然后对输入进行切片（例如 slice = labels[i] 或类似） . 我后来得到各种各样的错误对我来说没有意义（就像 TypeError: Value passed to parameter 'begin' has DataType float32 not in list of allowed values: int32, int64 ，即使输入是 int32 ......） .

  • 使用tf.stack将各种输入张量组织成嵌套张量，将其传递到我的损失函数中，并使用tf.unstack循环遍历批处理中的每个图像 . TensorFlow引发了关于尺寸不相等的错误

  • 使用tf.scan和tf.map，循环嵌套张量的第一维（即批量图像） . 同样，我无法在第一时间构建嵌套张量

问题

如何正确处理 None 维度的嵌套结构？

Edit/Note ：我知道如何使其仅适用于单个图像（即不在第一维上循环），因此任何解决方案都可以为批处理中的每个图像重复调用 calculate_loss_function(x, y, z) .

python tensorflow