Tensorflow 将tf.extract_图像_面片转换为批处理形状

我将数据批处理在一起

batch_size = 50
min_after_dequeue = 100
capacity = min_after_dequeue + 3 * batch_size

mr_batch, us_batch = tf.train.shuffle_batch(
      [mr, us], batch_size=batch_size, capacity=capacity,
      min_after_dequeue=min_after_dequeue)
mr_batch, us_batch

这给了我张量形状：

(<tf.Tensor 'shuffle_batch_2:0' shape=(50, 466, 394, 1) dtype=int16>,
 <tf.Tensor 'shuffle_batch_2:1' shape=(50, 366, 323, 1) dtype=uint8>)

这给了我形状：

(<tf.Tensor 'ResizeBilinear_13:0' shape=(50, 366, 323, 1) dtype=float32>,
 <tf.Tensor 'shuffle_batch_2:1' shape=(50, 366, 323, 1) dtype=uint8>)

并具有以下形状：

(<tf.Tensor 'ExtractImagePatches_8:0' shape=(50, 92, 81, 1225) dtype=uint8>,
 <tf.Tensor 'ExtractImagePatches_9:0' shape=(50, 92, 81, 1225) dtype=float32>)

（，
)

我现在想把这个形状转换成

（50*1225,92,81）

，这样我就可以把它输入我的火车踏板了

---

这个张量运算是如何调用的？

您可以使用带有特殊参数

-1

的

tf.reformate

来填充剩余值：

tf.reshape(us_patch, [-1, 92, 81])

---

---

但是，这可能是危险的，因为当您将以前的形状弄错时（例如，如果

us\u patch

具有形状

[50,92,81,1000]

），TensorFlow不会输出错误，只需将整个形状重新整形为

[50*1000,92,81]

将

tf.重新整形（us\u patch，[-1,92,81]）

工作？@OlivierMoindrot是的！

(<tf.Tensor 'ExtractImagePatches_8:0' shape=(50, 92, 81, 1225) dtype=uint8>,
 <tf.Tensor 'ExtractImagePatches_9:0' shape=(50, 92, 81, 1225) dtype=float32>)

tf.reshape(us_patch, [-1, 92, 81])