不同形状的 TensorFlow 数据集

Question

我使用卷积网络对不同形状的图像进行分类。我找不到在 Tensorflow 中加载图像的方法。基于this issue，它应该与 tf.data.Dataset() 一起使用。我以这种方式创建数据集：

dataset = tf.data.Dataset.from_tensor_slices(filenames)
dataset = dataset.map(read_file)
dataset = dataset.shuffle(samples_in_buffer)
dataset = dataset.batch(batch_size)
dataset = dataset.repeat()

执行时出现此错误

HandleElementToSlice Cannot copy slice: number of elements does not match.  Shapes are: [element]: [295,256,3], [parent slice]: [276,128,3]

是否可以使用 Tensorflow 加载不同尺寸的图像、随机播放和批处理？

备注：我想使用空间金字塔池来处理不同的图像尺寸。

Answer 1

dataset.batch() 正在尝试从不同大小的张量（您不同大小的图像）构建密集批次，如此处所述：tf.contrib.data.DataSet batch size can only set to 1

如果 1. 您设置 batch_size = 1 或 2. 将所有图像调整为相同大小，您的代码可能会起作用，例如在 read_file 函数中使用 tf.image.resize_image_with_crop_or_pad() 。

另一种选择是使用 dataset.padded_batch(...) 而不是 dataset.batch 并指定 padded_shape 以使所有图像具有相同的大小（包括填充），即可能 dataset.padded_batch(batch_size, padded_shape= [无]）。

最后，在即将发布的 TF r1.4 中，您可能会使用 dataset.from_generator()。