machine-learning - 如何在 tensorflow 中设置可变占位符形状？

Question

我定义了那些符号占位符:

t_im0 = tf.placeholder(tf.float32, [1, None, None, 3])
t_im1 = tf.placeholder(tf.float32, [1, None, None, 3])
t_mask = tf.placeholder(tf.float32, [1, None, None, 1])

稍后，我想优化我的图像值。

for obj in images:
    sess.run(optimizer, feed_dict={t_im0: obj.l_img, t_im1.eval(): obj.r_img.eval(), t_mask: obj.mask.eval()})

当我执行优化代码时，出现以下错误:

InvalidArgumentError (see above for traceback): Shape [1,-1,-1,3] has negative dimensions
 [[Node: Placeholder_1 = Placeholder[dtype=DT_FLOAT, shape=[1,?,?,3], _device="/job:localhost/replica:0/task:0/gpu:0"]()]]

我的问题是我的图像具有不同的形状。如何解决加载它们而不调整磁盘上所有图像大小的问题？

Answer 1

我没有足够的声誉来直接评论您的问题，所以我将在这里分享我的想法。

我假设您正在尝试训练卷积神经网络。问题是 CNN 不接受可变的输入大小。也许this答案可以帮助您理解这个问题。