Python 调整大小未知的tensorflow图像的大小

我有一个tensorflow UNet风格的网络。目前，我指定输入图像和目标图像如下：

self.inputTensors = tf.placeholder(tf.float32, [None, opt.inputHeight, opt.inputWidth, opt.inputChannels], name='inputTensors')
self.targetColors = tf.placeholder(tf.float32, [None, opt.inputHeight, opt.inputWidth, opt.outputChannels], name='targetColors')

但我希望它能够对可变宽度和高度的图像进行操作

self.inputTensors = tf.placeholder(tf.float32, [None, None, None, opt.inputChannels], name='inputTensors')
self.targetColors = tf.placeholder(tf.float32, [None, None, None, opt.outputChannels], name='targetColors')

并推断中间层的宽度和高度。这适用于我的池层或跨步卷积层，但对于上采样层，我使用tf.image.resize_双线性（尽管这个问题对任何tf.image.resize_图像都有效）。目前，我的调整双线性代码如下所示：

def unpool2xBilinear(inputs, name = 'unpool2xBilinear'):
    sh = inputs.get_shape().as_list()
    newShape = (sh[1] * 2, sh[2] * 2)
    return tf.image.resize_bilinear(inputs, newShape)

但是，这无法处理未知的输入形状，因此

TypeError: unsupported operand type(s) for *: 'NoneType' and 'int'

---

是否有一种方法允许调整图像大小以接受与输入相关的大小？或者我必须为每个不同的输入图像大小构建一个全新的图形吗？

使用

tf.shape

：

def unpool2xBilinear(inputs, name = 'unpool2xBilinear'):
    sh = tf.shape(inputs)
    newShape = 2 * sh[1:3]
    return tf.image.resize_bilinear(inputs, newShape)