如何在地图函数中访问张量形状
Posted
技术标签:
【中文标题】如何在地图函数中访问张量形状【英文标题】:How to access tensor shape inside map function 【发布时间】:2020-11-22 05:05:46 【问题描述】:尽管通过image.shape[0] and image.shape[1]
访问时,我需要访问图像形状来执行增强管道,但我无法执行增强,因为它输出我的张量形状为无。
相关问题:How to access Tensor shape in .map?
如果有人可以提供帮助,不胜感激。
parsed_dataset = tf.data.TFRecordDataset(filenames=train_records_paths).map(parsing_fn) # Returns [image,label]
augmented_dataset = parsed_dataset.map(augment_pipeline)
augmented_dataset = augmented_dataset.unbatch()
映射函数
"""
Returns:
5 Versions of the original image: 4 corner crops + a central crop and the respective labels.
"""
def augment_pipeline(original_image,label):
central_crop = lambda image: tf.image.central_crop(image,0.5)
corner_crops = lambda image: tf.image.extract_patches(images=tf.expand_dims(image,0), # Transform image in a batch of single sample
sizes=[1, int(0.5 * image.shape[0]), int(0.5 * image.shape[1]), 1], # 50% of the image's height and width
rates=[1, 1, 1, 1],
strides=[1, int(0.5 * image.shape[0]), int(0.5 * image.shape[1]), 1],
padding="SAME")
reshaped_patches = tf.reshape(corner_crops(original_image), [-1,int(0.5*original_image.shape[0]),int(0.5*original_image.shape[1]),3])
images = tf.concat([reshaped_patches,tf.expand_dims(central_crop(original_image),axis=0)],axis=0)
label = tf.reshape(label,[1,1])
labels = tf.tile(label,[5,1])
return images,labels
【问题讨论】:
【参考方案1】:经过进一步研究,我能够按照建议的here 和tf.shape(image)[0]
here 使用py_func
进行管理。
代码:
"""
Returns:
5 Versions of the original image: 4 corner crops + a central crop and the respective labels.
"""
def augment_pipeline(original_image,label):
height = int(tf.shape(original_image)[0].numpy() * 0.5) # 50% of the image's height and width
width = int(tf.shape(original_image)[1].numpy() * 0.5)
central_crop = lambda image: tf.image.central_crop(image,0.5)
corner_crops = lambda image: tf.image.extract_patches(images=tf.expand_dims(image,0), # Transform image in a batch of single sample
sizes=[1, height, width, 1],
rates=[1, 1, 1, 1],
strides=[1, height, width, 1],
padding="SAME")
.
.
.
然后我们使用 py_func
来允许访问 map 函数中的 numpy 值:
parsed_dataset = tf.data.TFRecordDataset(filenames=train_records_paths).map(parsing_fn) # Returns [image,label]
augmented_dataset = parsed_dataset.map(lambda image,label: tf.py_function(func=augment_pipeline,
inp=[image,label],
Tout=[tf.float32,tf.int64]))
augmented_dataset = augmented_dataset.unbatch()
【讨论】:
我在应用 py_function 后得到“未知”形状,即类似于***.com/questions/63749852/…【参考方案2】:每个 Dataset 对象都是可迭代的。现在 Dataset 对象可以是批处理形式或非批处理形式。我会告诉你如何在这两种情况下获得它们的元素形状。
案例 1. 数据集对象为非批处理形式。
方法一、使用iter消费其元素
it = iter(dataset)
element = next(it)
image,label = element
## element is a tuple
方法2.使用take
element = dataset.take(1)
image,label = element
# element is a tuple
案例 2。当数据集被批处理时。现在我假设数据集包含 (image,label) 元组
方法一、使用iter
it = iter(dataset)
batch = next(it)
images,labels = batch
## batch is a tuple check it using type(batch)
方法2.使用take
batch = dataset.take(1)
## Note here each element of the dataset is a batch and each batch contains some number of
## (image,label) tuples
batch = next(iter(batch))
images,labels = batch
## batch is again a tuple
【讨论】:
我很欣赏这个答案,但我想这与如何迭代 tf 数据集有关,这样我看不到如何使用您的代码访问数据形状。以上是关于如何在地图函数中访问张量形状的主要内容,如果未能解决你的问题,请参考以下文章