ฉันพยายามที่จะทำtensorflow
เทียบเท่าtorch.transforms.Resize(TRAIN_IMAGE_SIZE)
ซึ่งปรับขนาดที่เล็กที่สุดTRAIN_IMAGE_SIZE
มิติภาพเพื่อ บางสิ่งเช่นนี้
def transforms(filename):
parts = tf.strings.split(filename, '/')
label = parts[-2]
image = tf.io.read_file(filename)
image = tf.image.decode_jpeg(image)
image = tf.image.convert_image_dtype(image, tf.float32)
# this doesn't work with Dataset.map() because image.shape=(None,None,3) from Dataset.map()
image = largest_sq_crop(image)
image = tf.image.resize(image, (256,256))
return image, label
list_ds = tf.data.Dataset.list_files('{}/*/*'.format(DATASET_PATH))
images_ds = list_ds.map(transforms).batch(4)
คำตอบง่ายๆอยู่ที่นี่: Tensorflow: ครอบตัดพื้นที่จัตุรัสกลางที่ใหญ่ที่สุดของภาพ
แต่เมื่อผมใช้วิธีการที่มีtf.data.Dataset.map(transforms)
ที่ฉันได้รับจากภายในshape=(None,None,3)
largest_sq_crop(image)
วิธีการทำงานได้ดีเมื่อฉันเรียกว่าปกติ
largest_sq_crop
?
EagerTensors
ไม่มีอยู่ภายในDataset.map()
ดังนั้นรูปร่างจึงไม่เป็นที่รู้จัก มีวิธีแก้ปัญหาหรือไม่?