python - Tensorflow:tf.data.Dataset，无法在组件0中批量处理具有不同形状的张量

Question

输入管道中出现以下错误:

tensorflow.python.framework.errors_impl.InvalidArgumentError: Cannot batch tensors with different shapes in component 0. First element had shape [2,48,48,3] and element 1 had shape [27,48,48,3].

用这个代码

dataset = tf.data.Dataset.from_generator(generator,
                                         (tf.float32, tf.int64, tf.int64, tf.float32, tf.int64, tf.float32))

dataset = dataset.batch(max_buffer_size)

这是完全合乎逻辑的，因为批处理方法尝试创建(batch_size，？，48，48，3)张量。但是我希望它为这种情况创建一个[29,48,48,3]张量。因此串联而不是堆栈。 tf.data有可能吗？

我可以在Python的generator函数中进行串联，但是我想知道tf.data管道是否也可以实现

Answer 1

第一种情况:我们希望输出具有固定的批量大小

在这种情况下，生成器生成[None, 48, 48, 3]形状的值，其中第一维可以是任何值。我们要对此进行批处理，以便输出为[batch_size, 48, 48, 3]。如果直接使用tf.data.Dataset.batch，则会出现错误，因此我们需要先取消对的批处理。

为此，我们可以在批处理之前像这样使用 tf.contrib.data.unbatch :

dataset = dataset.apply(tf.contrib.data.unbatch())
dataset = dataset.batch(batch_size)

这是一个完整的示例，其中生成器生成 [1]， [2, 2]， [3, 3, 3]和 [4, 4, 4, 4]。

我们无法直接批处理这些输出值，因此我们先取消批处理然后再批处理它们:

def gen():
    for i in range(1, 5):
        yield [i] * i

# Create dataset from generator
# The output shape is variable: (None,)
dataset = tf.data.Dataset.from_generator(gen, tf.int64, tf.TensorShape([None]))

# The issue here is that we want to batch the data
dataset = dataset.apply(tf.contrib.data.unbatch())
dataset = dataset.batch(2)

# Create iterator from dataset
iterator = dataset.make_one_shot_iterator()
x = iterator.get_next()  # shape (None,)

sess = tf.Session()
for i in range(5):
    print(sess.run(x))

这将打印以下输出:

[1 2]
[2 3]
[3 3]
[4 4]
[4 4]

第二种情况:我们要串联可变大小的批次

更新(03/30/2018):我删除了以前使用分片的答案，这大大降低了性能(请参阅评论)。

在这种情况下，我们要串联一定数量的批次。问题是这些批次的大小可变。例如，数据集产生 [1]和 [2, 2]，我们希望获得 [1, 2, 2]作为输出。

解决此问题的一种快速方法是创建一个环绕原始发电机的新发电机。新的生成器将产生批处理数据。 (感谢 Guillaume的想法)

这是一个完整的示例，其中生成器生成 [1]， [2, 2]， [3, 3, 3]和 [4, 4, 4, 4]。

def gen():
    for i in range(1, 5):
        yield [i] * i

def get_batch_gen(gen, batch_size=2):
    def batch_gen():
        buff = []
        for i, x in enumerate(gen()):
            if i % batch_size == 0 and buff:
                yield np.concatenate(buff, axis=0)
                buff = []
            buff += [x]

        if buff:
            yield np.concatenate(buff, axis=0)

    return batch_gen

# Create dataset from generator
batch_size = 2
dataset = tf.data.Dataset.from_generator(get_batch_gen(gen, batch_size),
                                         tf.int64, tf.TensorShape([None]))

# Create iterator from dataset
iterator = dataset.make_one_shot_iterator()
x = iterator.get_next()  # shape (None,)


with tf.Session() as sess:
    for i in range(2):
        print(sess.run(x))

这将打印以下输出:

[1 2 2]
[3 3 3 4 4 4 4]