转换tf.extract_image_patches批量形状

Question

我一起批我的数据

batch_size = 50 
min_after_dequeue = 100 
capacity = min_after_dequeue + 3 * batch_size 

mr_batch, us_batch = tf.train.shuffle_batch(
     [mr, us], batch_size=batch_size, capacity=capacity, 
     min_after_dequeue=min_after_dequeue) 
mr_batch, us_batch 

这给了我张量形状：

(<tf.Tensor 'shuffle_batch_2:0' shape=(50, 466, 394, 1) dtype=int16>, 
<tf.Tensor 'shuffle_batch_2:1' shape=(50, 366, 323, 1) dtype=uint8>) 

然后我调整图像具有相同的分辨率：

mr_batch = tf.image.resize_bilinear(mr_batch, [366, 323]) 
mr_batch, us_batch 

这给了我形状：

(<tf.Tensor 'ResizeBilinear_13:0' shape=(50, 366, 323, 1) dtype=float32>, 
<tf.Tensor 'shuffle_batch_2:1' shape=(50, 366, 323, 1) dtype=uint8>) 

最后我提取图像补丁：

us_patch = tf.extract_image_patches(label, [1, 7, 7, 1], [1, 2, 2, 1], [1, 1, 1, 1], 'SAME') 
mr_patch = tf.extract_image_patches(image, [1, 7, 7, 1], [1, 2, 2, 1], [1, 1, 1, 1], 'SAME') 

us_patch, mr_patch 

而且具有形状：

(<tf.Tensor 'ExtractImagePatches_8:0' shape=(50, 92, 81, 1225) dtype=uint8>, 
<tf.Tensor 'ExtractImagePatches_9:0' shape=(50, 92, 81, 1225) dtype=float32>) 

我现在想这个形状转换为(50*1225, 92, 81)这样我就可以将其提供给我的火车一步。

这个张量操作是如何调用的？

Answer 1

您可以使用tf.reshape与特殊参数-1填补了剩余价值：

tf.reshape(us_patch, [-1, 92, 81]) 

---

然而，因为当你前面的形状错误（例如这可能是危险的，如果us_patch有形状[50, 92, 81, 1000]），TensorFlow不会输出错误，只需将整个事物重新整形为[50*1000, 92, 81]。