如何在 Keras / Tensorflow 中将（无，）批量维度重新引入张量？

Question

我正在尝试使用与 Google 机器学习引擎兼容的 Keras 创建 tensorflow 模型。我有一个现有的训练有素的 Keras 模型，它采用向量浮点输入。我在现有模型的前面引入了一个字符串向量输入层。这将传递要预处理的字符串。我正在尝试使用 Lambda 层预处理图像数据。在预处理时，为了解码字符串 jpeg 数据，我需要从张量中删除批量维度。预处理后，我需要重新引入“无”批次维度。这就是我面临的问题。似乎没有办法重新引入“无”作为批次维度。 Google ML Engine 要求批次维度在整个模型中一直是未知的。

张量流版本：1.12 Keras 版本：2.2.4 操作系统：Debian Linux（VM 实例） Python 版本：2.7

我尝试过： 1. 使用 [None,299,299,3] 和 [-1,299,299,3] 进行 Reshape()。两者都不能按要求工作

1. tf.reshape 如上。不起作用。

img_height=299
img_width=299
inputs = Input(shape=[1],dtype=tf.string)
inputs_inter1 = Lambda(preprocess_input, output_shape=(img_height,img_width,3))(inputs)
print(inputs_inter1.shape)

print("Combining with string vector input")
combine_out = trainedmodel(inputs_inter1)     
Combinedmodel = Model(inputs,combine_out)
input_tensor = Combinedmodel.inputs[0]
output_tensor = Combinedmodel.outputs[0]
print("Inputs: "+str(input_tensor))
print("Outputs: "+str(output_tensor))

def preprocess_input(x):

    import tensorflow as tf

    x=tf.reshape(x,())
    x = tf.image.decode_jpeg(x,channels=3)
    x = tf.image.resize_images(x,(299,299))
    x = tf.cast(x, tf.float32)
    x = tf.math.divide(x, 255.0)
    x = tf.math.subtract(x, 0.5)
    x = tf.math.multiply(x, 2.0)
    x = tf.expand_dims(x,0)    
return x

预期结果：

输入：张量("input_1_1:0", shape=(?, 1), dtype=string)

输出：Tensor("model_2/model_1/dense_2/Softmax:0", shape=(?, 8), dtype=float32)

实际结果：

输入：张量("input_1_1:0", shape=(?, 1), dtype=string)

输出：Tensor("model_2/model_1/dense_2/Softmax:0", shape=(1, 8), dtype=float32)

Answer 1

回答我自己的问题。

诀窍是创建一个具有所需尺寸 [None,299,299,3] 的新占位符，将预处理的张量复制到其中并从 Lambda 函数/层返回该占位符。

def preprocess_input(x):

    import tensorflow as tf

    x=tf.reshape(x,())
    x = tf.image.decode_jpeg(x,channels=3)
    x = tf.image.resize_images(x,(299,299))
    x = tf.cast(x, tf.float32)
    x = tf.math.divide(x, 255.0)
    x = tf.math.subtract(x, 0.5)
    x = tf.math.multiply(x, 2.0)

    x = tf.placeholder_with_default(x,[None,299,299,3])

    return x

tf.placeholder_with_default的用法可以在这里找到：https://www.tensorflow.org/api_docs/python/tf/placeholder_with_default

预计到达时间： 最新的 Tensorflow 2.0 具有向后兼容的占位符和默认功能。可以短期使用。

tf.compat.v1.placeholder_with_default