python - 有没有办法在图像上有效地矢量化 Tensorflow 操作？

Question

Tensorflow 有很多转换可以应用于表示图像([高度、宽度、深度])的 3D 张量，如 tf.image.rot90()或 tf.image.random_flip_left_right()例如。

我知道它们旨在与队列一起使用，因此它们仅对一张图像进行操作。

但是有没有一种方法可以将 ops 向量化以将 4D 张量 ([batch_size,height,width,depth]) 转换为相同大小的张量，op 沿第一维按图像应用，而无需使用 tf.while_loop() 显式循环遍历它们?

( 编辑: 关于 rot90() 从 numpy rot90 中获取的一个聪明的黑客将是:

rot90=tf.reverse(x,tf.convert_to_tensor((False,False,True,False)))
rot90=tf.transpose(rot90,([0,2,1,3])

编辑 2:事实证明这个问题已经回答了很多次( one example )似乎 map_fn如果您想要优化版本，这是要走的路。我已经看过了，但我忘记了。我想这使这个问题重复...

但是对于随机操作或更复杂的操作，最好有一个通用方法来矢量化现有函数......)

Answer 1

试试 tf.map_fn .

processed_images = tf.map_fn(process_fn, images)