Je možné Orezať/zmena Veľkosti snímky na jednu dávku ?
Ja používam Tensorflow dataset API, ako je to uvedené nižšie:
dataset = dataset.shuffle().repeat().batch(batch_size, drop_remainder=True)
Chcem, v dávke všetky obrázky by mali mať rovnakú veľkosť. Avšak cez dávkach môže to mať rôzne veľkosti.
Napríklad, 1. dávka má všetky obrázky tvar (batch_size, 300, 300, 3). Ďalšie dávky môžu mať obrázky tvar (batch_size, 224, 224, 3). Ďalšie dávky môžu mať obrázky tvar (batch_size, 400, 400, 3).
V podstate chcem mať dymanically tvarované dávkach, avšak všetky obrázky v dávke mať statické tvary.
Ak urobíme nasledovne:
dataset = dataset.shuffle().repeat().batch(batch_size, drop_remainder=True).map(lambda x, y: map_fn(x, y))
Má vyššie .mapa() platí pre každú dávku samostatne alebo cez celý dataset ?
Ak vyššie .mapa() sa nevzťahujú na každej šarže samostatne, ako to môžeme urobiť ? Môžeme definovať akékoľvek iterator po dataset.dávku(), uplatňovať tf.obraz.crop_and_resize() za každý obraz na dávku a neskôr použiť dokumentačný materiál.zreťazenie() spojiť všetky premenil dávkach ?
Som vytváraní súboru, ako je uvedené nižšie:
# Dataset creation (read image data from files of COCO dataset)
dataset = tf.data.Dataset.list_files(self._file_pattern, shuffle=False)
dataset = dataset.shard(dataset_num_shards, dataset_shard_index)
dataset = dataset.shuffle(tf.cast(256 / dataset_num_shards, tf.int64))
dataset = dataset.interleave(map_func=tf.data.TFRecordDataset(filename).prefetch(1), cycle_length=32, block_length=1, num_parallel_calls=tf.data.experimental.AUTOTUNE)
dataset = dataset.map(tf_example_decoder.TfExampleDecoder().decode, num_parallel_calls=64)
dataset = dataset.shuffle(64).repeat()
# Parse each image for preprocessing
dataset = dataset.map(lambda data, _: _parse_example(data), num_parallel_calls=64)
dataset = dataset.batch(batch_size=batch_size, drop_remainder=True)
# Below code suggested by you to resize images to fixed shape in each batch
def resize_data(images, labels):
tf.print('Original shape -->', tf.shape(images))
SIZE = (300, 300)
return tf.image.resize(images, SIZE), labels
dataset = dataset.map(resize_data)
dataset = dataset.prefetch(tf.data.experimental.AUTOTUNE)
tf.estimator.Estimator(...).train(
input_fn=dataset,
steps=steps,
hooks=train_hooks)
INVALID_ARGUMENT: Cannot add tensor to the batch: number of elements does not match. Shapes are: [tensor]: [640,426,3], [batch]: [480,640,3]
Aj keď som dal SIZE = (300, 300) v tf.obraz.veľkosť(obrázky, VEĽKOSŤ), dávka má VEĽKOSŤ = (480, 640). A ako ďalší obrázok má inú VEĽKOSŤ = (640, 426), to nepodarilo sa pridať k dávke. To znamená, že nejako to nie je možné uplatniť .mapa() funkcia na každej jednotlivej dávky. Akákoľvek pomoc/nápad ?