Python 如何在keras tensorflow 2.3中使用随机缩放

我正在尝试将随机缩放添加到我的图像中，这些图像是分辨率为128x160的tiff文件1通道，但keras tensorflow的新版本随机缩放让我感到困惑，我不明白作为缩放范围参数，它期望的元组格式应该是什么

从文档中删除

tf.keras.preprocessing.image.random_zoom(
    x, zoom_range, row_axis=1, col_axis=2, channel_axis=0, fill_mode='nearest',
    cval=0.0, interpolation_order=1
)

我需要给我的图像添加一些随机缩放，我正在尝试这样做：

zoom_range = ((0.4, 0.4))
img = tf.keras.preprocessing.image.random_zoom(
    img, zoom_range, row_axis=1, col_axis=2, channel_axis=0, fill_mode='nearest',
    cval=0.0, interpolation_order=1
)

输出为：

TypeError:float（）参数必须是字符串或数字，而不是 “非类型”

我应该如何将随机缩放量作为参数传递给我的图像

公共卡格尔笔记本：

TypeError:在用户代码中：

    <ipython-input-4-9ba0455797a4>:17 load  *
        img = tf.keras.preprocessing.image.random_zoom(img, zoom_range, row_axis=0, col_axis=1, channel_axis=2, fill_mode='nearest')
    /opt/conda/lib/python3.7/site-packages/keras_preprocessing/image/affine_transformations.py:153 random_zoom  *
        x = apply_affine_transform(x, zx=zx, zy=zy, channel_axis=channel_axis,
    /opt/conda/lib/python3.7/site-packages/keras_preprocessing/image/affine_transformations.py:321 apply_affine_transform  *
        transform_matrix = transform_matrix_offset_center(
    /opt/conda/lib/python3.7/site-packages/keras_preprocessing/image/affine_transformations.py:246 transform_matrix_offset_center  *
        o_x = float(x) / 2 + 0.5
    /opt/conda/lib/python3.7/site-packages/tensorflow/python/autograph/operators/py_builtins.py:195 float_  **
        return _py_float(x)
    /opt/conda/lib/python3.7/site-packages/tensorflow/python/autograph/operators/py_builtins.py:206 _py_float
        return float(x)
    
    TypeError: float() argument must be a string or a number, not 'NoneTyp

e'

TypeError                                 Traceback (most recent call last)
<ipython-input-4-9ba0455797a4> in <module>
     27     train1, train2, test1 = d
     28     train_ds = tf.data.Dataset.from_tensor_slices(train1 + train2).\
---> 29         shuffle(len(train1) + len(train2)).map(load).batch(4)
     30     test_ds = tf.data.Dataset.from_tensor_slices(test1).\
     31         shuffle(len(test1)).map(load).batch(4)



for i in range(len(groups)):
    d = deque(groups)
    d.rotate(i)
    train1, train2, test1 = d
    train_ds = tf.data.Dataset.from_tensor_slices(train1 + train2).\
        shuffle(len(train1) + len(train2)).map(load).batch(4)
    test_ds = tf.data.Dataset.from_tensor_slices(test1).\
        shuffle(len(test1)).map(load).batch(4)

：17加载*
img=tf.keras.preprocessing.image.random\u zoom（img，缩放范围，行轴=0，列轴=1，通道轴=2，填充模式为最近）
/opt/conda/lib/python3.7/site packages/keras_preprocessing/image/affine_transformations.py:153随机缩放*
x=应用仿射变换（x，zx=zx，zy=zy，通道轴=通道轴，
/opt/conda/lib/python3.7/site packages/keras_preprocessing/image/affine_transformation.py:321 apply_affine_transform*
变换矩阵=变换矩阵偏移中心(
/opt/conda/lib/python3.7/site packages/keras_preprocessing/image/affine_transformations.py:246 transform_matrix_offset_center*
o_x=浮动（x）/2+0.5
/opt/conda/lib/python3.7/site packages/tensorflow/python/autograph/operators/py_builtins.py:195 float_**
返回浮点数（x）
/opt/conda/lib/python3.7/site packages/tensorflow/python/autograph/operators/py_builtins.py:206_py_float
返回浮动（x）
TypeError:float（）参数必须是字符串或数字，而不是“NoneTyp”
e'
TypeError回溯（最近一次调用上次）
在里面
27第1列、第2列、试验1=d
28序列ds=tf.data.Dataset.来自张量切片（序列1+2）\
--->29洗牌（列队（第1列）+列队（第2列））。地图（装载）。批次（4）
30 test_ds=tf.data.Dataset.from_tensor_切片（test1）\
31洗牌（len（test1））.map（load）.batch（4）
对于范围内的i（len（组））：
d=deque（组）
d、 轮换（一）
第1列、第2列、测试1=d
训练ds=tf.data.Dataset.from_张量切片（训练1+2）\
洗牌（列队（第1列）+列队（第2列））.map（装载）.批次（4）
test_ds=tf.data.Dataset.from_tensor_切片（test1）\
shuffle（len（test1））.map（load）.batch（4）

可能您的

img

对象类型错误。对于

随机缩放（…）

功能，您需要提供张量或3D

numpy

形状数组

（高度、宽度、通道）

即对于300x200大小的RGB图像，数组应为形状（200、300、3）。例如，可以通过如下代码中的库获取这种numpy数组

同样，如果你有TF代码，那么你在处理张量，但是

random\u zoom

需要知道所有维度，它们的整数大小。如果在图形构造时未知，张量在某些维度上可能有

None

大小，这可能会导致在你的例子中关于

NoneType

的错误。要克服这个问题您需要将

random\u zoom

用法包装为，这将强制函数输入为numpy数组，而不是张量，并且numpy数组总是具有已知大小的所有维度。我在下面的代码中也实现了这种包装

此外，您可能需要将

行_轴=1、列_轴=2、通道_轴=0

更改为

行_轴=0、列_轴=1、通道_轴=2

，因为通道（颜色）通常位于最低有效维度（最后一个）

文件

接下来，我实现了简单的代码

代码中的输入如下所示：

zoom_range = ((0.4, 0.4))
img = tf.keras.preprocessing.image.random_zoom(
    img, zoom_range, row_axis=1, col_axis=2, channel_axis=0, fill_mode='nearest',
    cval=0.0, interpolation_order=1
)

输出如下所示：

zoom_range = ((0.4, 0.4))
img = tf.keras.preprocessing.image.random_zoom(
    img, zoom_range, row_axis=1, col_axis=2, channel_axis=0, fill_mode='nearest',
    cval=0.0, interpolation_order=1
)

下一个代码也可以是

---

我通常不认为在Keras预处理函数所属范围之外使用它们是正确的方法。一个简单的方法是使用

tf.image.random\u crop

。假设您的图像大于

（200，200，3）

，您可以使用这一行：

img = tf.image.random_crop(img, (200, 200, 3))

让我们尝试一个示例。原始图像：

大小为

（200,200,3）

的随机裁剪图像：

---

奇怪，我注释掉了这一行，在上面的一行中，我有一行可以旋转90度，但当我添加这一行时，错误仍然存在，我上传了一个公共kaggle笔记本，你能看一下吗？@JohnJones我想我知道原因。大多数TF/Keras函数在位置0和batc处都有所谓的批处理轴h轴通常没有大小，这在例外情况下显示。因此您需要此修复

行\轴=1，列\轴=2，通道\轴=3

@JohnJones我刚刚阅读了随机\缩放的文档，不幸的是，您必须考虑到它只支持3D输入张量。这意味着您无法处理批。因此，如果您有以前操作的4D输出等一下，我这里的网速很慢（每秒几十KBs）而且需要很多时间。也许你有3D张量，但其中的宽度或高度维度是未知的，即没有。@JohnJones如果一些维度是未知的，并且与你的情况不同，你需要用kaggle将随机缩放线包装到其中，这将使所有维度都为人所知。互联网速度非常慢，等待加载。@JohnJones我把

numpy\u function

将我的答案包装成代码，还添加了第二段关于此的内容，您可以尝试这样做（包装）。你能提供完整的异常堆栈吗？不仅仅是最后一条消息行。也许这个案例可以被crop取代，但我认为一般来说，混合不同库的代码，添加一些小的适配器是可以的。keras是一个巨大的酷库，有许多函数没有回接到TFs后端函数中，比如这个随机缩放，以及probably most根本不会被移植。因此，知道如何从一个库到另一个库进行必要的包装是很好的。如果你看看我现在的answ