Python 用于补丁分类的Tensorflow数据集管道

我正试图在

tensorflow

中编写一个数据集管道，用于标记图像的补丁。现在我正在阅读一组tfrecord文件，其中每个文件都有多个补丁，但只有一个标记。标记有四个类

Tensorflow似乎不喜欢我通过管道传递一个单子。我得到以下错误：

ValueError: Value Tensor("args_1:0", shape=(), dtype=int32) has insufficient rank for batching.

我正试图找出如何让这个用例工作。这就是我想做的。我可以使用关于我应该如何处理

y

的建议，以便在管道末端的每个补丁上都有一个标签。如果我需要更改tfrecord文件的结构，使

y

是一个onehot编码的向量，那就可以了；我只是不知道这是否必要

def parse_func（proto）：
features=tf.io.parse_single_示例(
序列化=proto，
features={'X'：tf.io.FixedLenFeature（[]，tf.string），
“长度”：tf.io.FixedLenFeature（[]，tf.int64），
“y”：tf.io.FixedLenFeature（[]，tf.int64）}）
y=tf.cast（特征['y']，tf.int32）#这只是一个整数，但可能应该是一个热编码向量
X=tf.io.decode_raw（特征['X']，tf.float32）
length=tf.cast（特性['length']，tf.int32）
shape=tf.stack（[length，60，1]）
返回tf。重塑（X，形状），y
def get_补丁（X，y）：
X=X[tf.newaxis，…]
patches=tf.image.extract_patches（X，
大小=[1128,60,1]，
步幅=[1,4,1,1]，
利率=[1,1,1,1]，
padding='VALID'）
面片=tf.重塑（面片，[-1128,60,1]）
y=重复，以便每个补丁有一个标签（y）
返回补丁，y
dataset=（tf.data.dataset.from_tensor_切片（'tf_记录_文件_路径'））
.洗牌（100）
.interleave（lambda x:tf.data.TFRecordDataset（x），周期长度=4）
.map（解析函数）
.map（获取补丁）
.unbatch（）
.洗牌（100）
.重复
.batch（64，drop_rements=True）
.预取（1））

我的解决方法如下：

def repeat_以便每个补丁都有一个标签（y，补丁）：
num_patches=tf.shape（patches）[0]
平铺y=tf.tile（y，倍数=[num\u面片]）
返回tf.整形（平铺y，tf.整形（y）*补片数）

您解决过这个问题吗？是的。刚刚在jtlz2上发布了答案