Python TensorFlow将图像张量调整为动态形状

我试图阅读一些关于TensorFlow图像分类问题的图像输入

当然，我是用

tf.image.decode\u jpeg（…）

来做这件事的。我的图像大小可变，因此无法为图像张量指定固定的形状

但是我需要根据图像的实际大小来缩放图像。具体来说，我想将短边缩放为固定值，将长边缩放为保持纵横比的方式

我可以通过

shape=tf.shape（image）

获得特定图像的实际形状。我也能够为新的更长的边进行计算

shape = tf.shape(image)
height = shape[0]
width = shape[1]
new_shorter_edge = 400
if height <= width:
    new_height = new_shorter_edge
    new_width = ((width / height) * new_shorter_edge)
else:
    new_width = new_shorter_edge
    new_height = ((height / width) * new_shorter_edge)

---

实现这一点的方法是使用（目前处于试验阶段，但在下一版本中可用）*操作符。该操作符能够测试运行时计算的值，并基于该值执行两个分支中的一个

shape = tf.shape(image)
height = shape[0]
width = shape[1]
new_shorter_edge = 400
height_smaller_than_width = tf.less_equal(height, width)

new_shorter_edge = tf.constant(400)
new_height, new_width = tf.cond(
    height_smaller_than_width,
    lambda: new_shorter_edge, (width / height) * new_shorter_edge,
    lambda: new_shorter_edge, (height / width) * new_shorter_edge)

现在您有了

new\u height

和

new\u width

的

Tensor

值，它们将在运行时采用适当的值

---

*要访问当前发布版本中的操作员，您需要导入以下内容：

from tensorflow.python.ops import control_flow_ops

---

…然后使用

control\u flow\u ops.cond（）

而不是

tf.cond（）

这是一个非常好、很酷的特性。但我的问题仍然存在

tf.image.resize_images（…）

将

int32

作为第二个和第三个参数。这就是

new\u height

和

new\u width

的值应该去的地方。在我对TensorFlow的理解中，调用

eval（）

将不起作用，因为这只在运行时进行评估。是否有任何命令告诉TensorFlow在创建图形时“拉出张量的第一个（也是唯一的）整数”？调用

tf.image.resize\u图像（图像，新高度，新宽度）

总是抛出

TypeError:Expected int32，改为获取包含“\u Message”类型张量的列表。

啊，这对我来说似乎是个bug。我已经提交了申请，很快就会得到解决。我看你已经解决了。非常感谢，这对我真的很有帮助：）

from tensorflow.python.ops import control_flow_ops