我是张力流初学者,请耐心等待。 现在我正在尝试修改创建超分辨率图像的CNN的现有python程序。该代码可以在这里找到,如果你有兴趣:https://github.com/pinae/Superresolution张力流形状与黑白图像问题
输入张量的形状< 5,240,320,3>,5是批量大小,240和320图像的大小和3是数字的通道(RGB)。我想修改该计划的黑白图像,所以只需1个通道 - > < 5,240,320,1>
首先,我的测试和验证图像转换到B/W:
image = image.convert('L')
的图像然后写入数组,这是我的问题开始的地方。该阵列的大小为< 240,320>。 5张图像的数组被写入一个列表并被移交给tensorflow。
Tensorflow预计< 5,240,320,1>张量,但图像列表的形状为< 5,240,320>,因此缺少一个维度。我试着用np.expand_dims等添加一个维度,但没有成功。
input_batches = np.expand_dims(input_batches, axis=-1)
为什么tensorflow占位符的通道的索引似乎从1开始,而分辨率的索引从0开始?
我确定在调整过滤器的过程中会出现更多的问题,但这是我现在卡住的地方。
没有时间写了一个完整的答案,看看这个,但如果你看看MNIST的例子,它们是黑白的,应该给你一些指示。 – JCooke