在Tensorflow中处理未知尺寸

我写了一个计算形状（1，H，W，C）图像特征的克矩阵的函数。方法我写的是下面：在Tensorflow中处理未知尺寸

def calc_gram_matrix(features, normalize=True): 
    #input: features is a tensor of shape (1, Height, Width, Channels) 

    _, H, W, C = features.shape 
    matrix = tf.reshape(features, shape=[-1, int(C)]) 
    gram = tf.matmul(tf.transpose(matrix), matrix) 

    if normalize: 
    tot_neurons = H * W * C 
    gram = tf.divide(gram,tot_neurons) 

return gram

来测试我的落实克矩阵的，有一种方法：

def gram_matrix_test(correct): 
    gram = calc_gram_matrix(model.extract_features()[5])  # 
    student_output = sess.run(gram, {model.image: style_img_test}) 
    print(style_img_test.shape) 
    error = rel_error(correct, student_output) 
    print('Maximum error is {:.3f}'.format(error)) 

gram_matrix_test(answers['gm_out'])

当我运行gram_matrix_test（）我得到一个错误 - > ValueError异常：无法转换张量的未知维度：？

（该错误是在这条线 - > “克= tf.divide（克，tot_neurons）”）

在调试我发现的model.extract_features形状（）[5]是（？，？，？，128），因此划分是不可能的。的style_img_test

尺寸为（（1，192，242，3）），所以当我们运行会话H，W，C将得到填充。

你能指导我如何解决这个问题吗？

来源

2017-06-02 BimalGrewal

使用'tf.shape'获得一个整形张量的形状（你还需要删除你的'int（）'cast）。即使图形构造过程中形状未知（这是'tensor.shape'给出的信息），这也是有效的。 –

谢谢@AllenLavoie，它工作！ :) – BimalGrewal

我做了以下更改，它工作。

def calc_gram_matrix(features, normalize=True): 
    #input: features is a tensor of shape (1, Height, Width, Channels) 

    features_shape = tf.shape(features) 
    H = features_shape[1] 
    W = features_shape[2] 
    C = features_shape[3] 

    matrix = tf.reshape(features, shape=[-1, C]) 
    gram = tf.matmul(tf.transpose(matrix), matrix) 

    if normalize: 
    tot_neurons = H * W * C 
    tot_neurons = tf.cast(tot_neurons, tf.float32) 

    gram = tf.divide(gram,tot_neurons) 

return gram

来源

2017-06-04 22:43:23 BimalGrewal

在Tensorflow中处理未知尺寸

回答

相关问题