张力流形状与黑白图像问题

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。

来源

2017-06-16 Kevin Qiu

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

您需要了解代码。我相信这个问题可能会根深蒂固。有限的信息，我假设你正在使用network.py。在那里，我们在16行看到：

self.inputs = tf.placeholder(
     tf.float32, [batch_size, dimensions[1], dimensions[0], 3], name='input_images' 
    )

深度尺寸已经被硬编码为3。你也可以编辑它，也可以编辑许多其他的东西。

作为一个告诫，大多数超分辨率的CNN使用小的补丁大小。绝对不是(240, 320)，我怀疑由于批量小，它很难收敛。

来源

2017-06-16 09:19:53 jkschin

我已经将它改为dimension = 1。我相信我将不得不做出许多改变，但首先我需要解决这个问题。 –

如果您可以发布更多信息，那就太好了。我不知道'input_batches'被送到哪里。 – jkschin

input_batches只是图像数组的列表。这被输入张量self.inputs（以及其他张量）。张量的形状为5,240,320,1，但我的列表的形状为5,240,320。我试过了expand_dims，但这不起作用。 –

如果你有形状的张量[5240320]你可以重塑它是[5,240,320,1]这一个命令

correctSizedTensor = tf.reshape(wrongSizedTensor, [5,240,320,1])

来源

2017-06-17 00:52:15 Wontonimo

是否有可能重塑清单？ –

是的，只要该列表被放入张量流中就可以。否则明智地使用numpy函数就像这样：** myNumpyList.reshape（（5,240,320,1））** – Wontonimo

hmm。我尝试过使用** input_batches = np.expand_dims（input_batches，axis = 4）**，但它不起作用。 Tensorflow剧照看到了错误的形状。但是，如果我将轴更改为3，则尺寸将出现在第3位（5,240,1,320）。当轴为4时，尺寸将不会出现在我想要的第5个位置（5,240,320,1）。轴= 1或2也适用，但不是4或-1。 –

张力流形状与黑白图像问题

回答

相关问题