【发布时间】：2016-10-07 12:25:03
【问题描述】：
我目前正在 tensorflow 中实现 FCN，以支持可变输入图像大小。
我有各种尺寸的图像，但不幸的是，我无法以不同于 1 的批量大小开始训练。
我正在通过以下方式使用提要字典：
feed_dict = {fcn.images: image_batch,
fcn.labels: labels_batch,
fcn.dropout_keep: dropout}
result = sess.run(list(tf_ops), feed_dict=feed_dict)
我已经试过了：
- 将
image_batch和labels_batch创建为 numpy 数组，但这不起作用，因为 numpy 数组不支持可变的某些维度。 - 创建
image_batch和labels_batch作为 numpy 数组列表。这里似乎 tensorflow 正在尝试调用numpy.array(image_batch)。 - 与
tf.pack()一起使用，很遗憾，这也不支持不同的图像尺寸
我的问题是： 有没有办法解决这个问题？
提前感谢您的任何建议和意见。
【问题讨论】：
-
无法设置不同的输入大小。 TensorFlow 无法对一批不同大小的输入应用标准操作（卷积、全连接层...）（因为它不能是数组，必须是列表）。跨度>
-
在批处理之前，您必须将所有图像填充或调整为相同大小。
-
感谢您的评论。我想在我的情况下，当我进行语义分割时，只将图像裁剪成更小的图像是有意义的。
-
确实如此。在测试时，您可以将图像分割成多个补丁，然后重新组合它们。
标签： python numpy machine-learning tensorflow