Ich passe die cifar10 convolution example an mein Problem an. Ich möchte die Dateneingabe von einem Design ändern, das Bilder einzeln aus einer Datei in ein Design liest, das auf einem bereits im Speicher befindlichen Satz von Bildern ausgeführt wird. Die ursprüngliche inputs()
Funktion sieht wie folgt aus:Tensorflow "Kartenoperation" für Tensor?
read_input = cifar10_input.read_cifar10(filename_queue)
reshaped_image = tf.cast(read_input.uint8image, tf.float32)
# Crop the central [height, width] of the image.
resized_image = tf.image.resize_image_with_crop_or_pad(reshaped_image,
width, height)
In der ursprünglichen Version, read_input
ein Tensor ist ein Bild enthält.
Ich halte alle meine Bilder in RAM, so dass anstelle filename_queue
zu verwenden, ich habe einen riesigen images_tensor = tf.constant(images)
, wo images_tensor.shape
ist (etwas, 32, 32, 3).
Meine Frage ist sehr, sehr einfach: Was ist der beste Weg, um eine Funktion (tf.image.resize_image_with_crop_or_pad
in meinem Fall) auf alle Elemente von images_tensor
anzuwenden?
Iteration ist problematisch in Tensorflow, mit begrenzten Scheiben (TensorFlow - numpy-like tensor indexing). Gibt es eine Lösung, um dies mit nur einem Befehl zu erreichen?
Ich finde 'map_fn' in keiner Version der Dokumentation. Verknüpfung? –
Ich kann nicht alles online entweder finden - die oben (und ich habe es fertig gestellt) cam von Import tensorflow als tf Hilfe (tf.map_fn) nur sicher, dass Sie Version 0.8 oder höher ist sein. – DomJack