TensorFlow将图像张量调整为动态图形

Question

我正在尝试使用TensorFlow读取图像分类问题的某些图像输入。

当然，我正在用tf.image.decode_jpeg(...)这样做。我的图像大小不一，因此我无法为图像张量指定固定的形状。

但我需要根据实际尺寸缩放图像。具体来说，我想将短边缩放到一个固定值，并且以保持长宽比的方式缩放较长边。

我可以通过shape = tf.shape(image)获得某个图像的实际形状。我也能做到计算为新的长边像

shape = tf.shape(image) 
height = shape[0] 
width = shape[1] 
new_shorter_edge = 400 
if height <= width: 
    new_height = new_shorter_edge 
    new_width = ((width/height) * new_shorter_edge) 
else: 
    new_width = new_shorter_edge 
    new_height = ((height/width) * new_shorter_edge) 

我现在的问题是我无法通过new_height和new_width到tf.image.resize_images(...)，因为他们中的一个是张量和resize_images预计整数作为高度和宽度的投入。

有没有办法“拉出”张量的整数或是否有任何其他方式与TensorFlow做我的任务？

在此先感谢。

---

编辑

因为我也有some other issues与tf.image.resize_images，这里是为我工作的代码：

shape = tf.shape(image) 
height = shape[0] 
width = shape[1] 
new_shorter_edge = tf.constant(400, dtype=tf.int32) 

height_smaller_than_width = tf.less_equal(height, width) 
new_height_and_width = tf.cond(
    height_smaller_than_width, 
    lambda: (new_shorter_edge, _compute_longer_edge(height, width, new_shorter_edge)), 
    lambda: (_compute_longer_edge(width, height, new_shorter_edge), new_shorter_edge) 
) 

image = tf.expand_dims(image, 0) 
image = tf.image.resize_bilinear(image, tf.pack(new_height_and_width)) 
image = tf.squeeze(image, [0]) 

Answer 1

要做到这一点是使用（目前实验的方法，但在下一个版本中可用）tf.cond() *运营商。该运算符能够测试在运行时计算的值，并根据该值执行两个分支之一。

shape = tf.shape(image) 
height = shape[0] 
width = shape[1] 
new_shorter_edge = 400 
height_smaller_than_width = tf.less_equal(height, width) 

new_shorter_edge = tf.constant(400) 
new_height, new_width = tf.cond(
    height_smaller_than_width, 
    lambda: new_shorter_edge, (width/height) * new_shorter_edge, 
    lambda: new_shorter_edge, (height/width) * new_shorter_edge) 

现在你有new_height和new_widthTensor值，将采取在运行时适当的值。

---

*  要访问运营商在目前发布的版本，你需要导入以下：

from tensorflow.python.ops import control_flow_ops 

...然后使用control_flow_ops.cond()代替tf.cond()。