如何在张量板中查看多张图像？

Question

我想重写我的代码以可视化我的数据集中的所有标签，并查看结果以进行比较。

您可以在左侧看到标签图像，在右侧看到学习输出：

我所有的图片都有不同的形状，我用

阅读它们

for i in range(len(files_mask)):
    t_image_left = tf.read_file(files_left[i], name='read_fileimage_left')
    t_image_right = tf.read_file(files_right[i], name='read_fileimage_right')
    t_image_mask = tf.read_file(files_mask[i], name='read_fileimage_mask')

并将它们重塑为

    t_left = tf.reshape(t_left, [1, sh[0] / scaling, sh[1] / scaling, 3], name='reshape_t_left')
    t_right = tf.reshape(t_right, [1, sh[0] / scaling, sh[1] / scaling, 3], name='reshape_t_right')
    t_mask = tf.reshape(t_mask, [1, sh[0] / scaling, sh[1] / scaling, 1], name='reshape_t_mask')

然后，我定义了一些占位符，然后......

t_im0 = tf.placeholder(tf.float32, [None, None, None, 3], name='left_img')
t_im1 = tf.placeholder(tf.float32, [None, None, None, 3], name='right_img')
t_label = tf.placeholder(tf.float32, [None, None, None, 1], name='label')

...将它们放入我的神经网络：

tn_prediction0, tn_prediction1 = cnn.construct_stereo_img(t_im0, t_im1)
t_img = tf.subtract(tn_prediction0, tn_prediction1)
tn_logits = cnn.construct_nn2(t_img)

在范围 Train 我打印它们：

with tf.name_scope("Train"):
    optimizer = tf.train.AdamOptimizer(FLAGS.learning_rate).minimize(cost_function)
    tf.summary.image('logits', tn_logits, max_outputs=4)
    tf.summary.image('label', t_label, max_outputs=4)

让他们在一个会话中运行：

with tf.Session(config=tf.ConfigProto(gpu_options=tf.GPUOptions(per_process_gpu_memory_fraction=0.333))) as sess:

    coord = tf.train.Coordinator()
    threads = tf.train.start_queue_runners(sess=sess, coord=coord)
    sess.run(init)

    for epoch in range(FLAGS.training_epochs):
        for img in images:
            _, summary_str, costs = sess.run([optimizer, merged_summary_op, cost_function],
                                             feed_dict={t_im0: img.l_img.eval(), t_im1: img.r_img.eval(),
                                                        t_label: img.mask.eval()})

现在，我的问题来了：我想用sess.run( ) 替换循环以不遍历所有图像。

它目前正在将一个图像一个接一个地馈送三倍。如何同时处理多个图像，例如[4, ?, ?, 3]。我尝试使用tf.concat()，但如果我执行img.l_img.eval()，则会出现错误，因为图像具有不同的高度和宽度。

我也完全愿意重组整个项目。

Answer 1

不可能增加图像的第一维 [1, h, w, rgb]，除非图像/批次具有相同的大小。

调整大小/裁剪会导致不好的结果。

总之，这是不可能的。