不同形状的Tensorflow数据集

我使用卷积网络对不同形状的图像进行分类。我找不到在Tensorflow中加载图像的方法。基于this issue它应该与tf.data.Dataset（）一起使用。我用这种方式产生的数据集：不同形状的Tensorflow数据集

dataset = tf.data.Dataset.from_tensor_slices(filenames) 
    dataset = dataset.map(read_file) 
    dataset = dataset.shuffle(samples_in_buffer) 
    dataset = dataset.batch(batch_size) 
    dataset = dataset.repeat()

执行时我收到此错误

HandleElementToSlice Cannot copy slice: number of elements does not match. Shapes are: [element]: [295,256,3], [parent slice]: [276,128,3]

是否有可能以不同的尺寸，随机播放和他们使用Tensorflow批量加载图像？

备注：我想使用空间金字塔池来处理不同的图像大小。

来源

2017-10-17 prosteja

dataset.batch（）正在努力打造从不同大小（你的不同大小的图像）的张量密集批，这里提到：tf.contrib.data.DataSet batch size can only set to 1

你的代码很可能如果任1.要设置工作batch_size = 1或2.将所有图像调整为相同的大小，例如在你的read_file函数中使用tf.image.resize_image_with_crop_or_pad（）。

另一种选择是使用dataset.padded_batch（...）而不是dataset.batch并指定padded_shape，使所有图像具有相同的大小（包括填充），即可能dataset.padded_batch（batch_size，padded_shape = [无]）。

最后，在即将发布的TF r1.4中，您可以使用dataset.from_generator（）。

来源

2017-10-19 21:21:32 Revilokeb

不同形状的Tensorflow数据集

回答

相关问题