Python 如何在Tensorflow中按张量形状过滤数据集

我已从tfds.load加载了一个数据集，并希望丢弃某些干扰正确训练/对我没有用处的图像（例如，图像太小）

似乎在任何地方都没有关于这个特定问题的信息，所以我选择了最适合的数据集，即.filter（谓词）。不幸的是，谓词的输入具有不确定的形状（None，None，3），并且如预期的那样引发了一个错误，“int”不能与“NoneType”进行比较

用tensorflow解决这个问题是可能的还是我不应该浪费时间

伪码

ds_train = tfds.load('name')
ds_train = ds_train.map(lambda ds: ds['image'])
ds_train = ds_train.filter(lambda image: image.shape[0] >= 256)

---

使用

tf.data.Dataset

编写代码时，应该使用

tf.shape（tensor）

而不是

tensor.shape

，因为

tf.data.Dataset

在图形模式下工作

引用以下文件：

tf.shape和Tensor.shape在渴望模式下应该相同。在tf.function或compat.v1上下文中，直到执行时才可能知道所有维度。因此，在为图形模式定义自定义层和模型时，更喜欢动态tf.shape（x）而不是静态x.shape

---

对于它所造成的巨大痛苦，我们没有想到会有这么简单的解决方案

ds_train = ds_train.filter(lambda image: tf.shape(image)[0] >= 256)