Ich schrieb eine Funktion, die die Gramm-Matrix für Bildmerkmale der Form (1, H, W, C) berechnet. Methode, die ich geschrieben habe, ist unten:Umgang mit unbekannten Dimensionen in Tensorflow
def calc_gram_matrix(features, normalize=True):
#input: features is a tensor of shape (1, Height, Width, Channels)
_, H, W, C = features.shape
matrix = tf.reshape(features, shape=[-1, int(C)])
gram = tf.matmul(tf.transpose(matrix), matrix)
if normalize:
tot_neurons = H * W * C
gram = tf.divide(gram,tot_neurons)
return gram
Zu meiner Umsetzung der Gramm Matrix Test, gibt es eine Methode:
def gram_matrix_test(correct):
gram = calc_gram_matrix(model.extract_features()[5]) #
student_output = sess.run(gram, {model.image: style_img_test})
print(style_img_test.shape)
error = rel_error(correct, student_output)
print('Maximum error is {:.3f}'.format(error))
gram_matrix_test(answers['gm_out'])
Wenn ich laufen gram_matrix_test() Ich erhalte eine Fehlermeldung -> Valueerror: Kann nicht konvertieren eine unbekannte Dimension für einen Tensor:?
(Der Fehler ist auf dieser Linie -> "= Gramm tf.divide (Gramm, tot_neurons)")
Debugging Ich fand heraus, dass die Form des model.extract_features() [5] ist (?,?,?, 128) und daher ist die Division nicht möglich.
Abmessungen von style_img_test sind ((1, 192, 242, 3)), wenn wir also die Sitzung ausführen, wird H, W, C aufgefüllt.
Können Sie mir bitte erklären, wie Sie das beheben können?
Verwenden Sie 'tf.shape', um eine Form als ganzzahligen Tensor zu erhalten (Sie müssen auch Ihre' int() '- Umwandlung entfernen). Dies funktioniert auch dann, wenn die Form während der Graphenkonstruktion unbekannt ist (was die Information "tensor.shape" ist). –
Danke @AllenLavoie, es hat funktioniert! :) – BimalGrewal