我试图从张量数据集创建一个批量数据集，但在形状上遇到了问题。我看到了一些references to enqueue，但已经过时了几年，tf.dataset.batch没有任何选择。我的数据集如下所示： X_test1 = tensorflow.data.Dataset.from_tensors((X_test_images, X_test_labels))
<TensorDatasetshapes: ((551
浏览 10提问于2020-09-17得票数 2
回答已采纳
1回答
我正在尝试将图像单应性代码从TF1版本转换为TF2，只是TF脚本转换在这里不起作用。我坚持批量处理数据集，因为图像，image_patch和image_Indices具有不同的形状。虽然TF1在摄取和批处理数据集方面没有问题，但TF2在这方面遇到了麻烦。shape=(5, 11, 8) dtype=float64>,
<tf.Tensor 'batch_2:2' s
浏览 35提问于2021-04-21得票数 0
1回答
如何对对象检测数据集进行批处理？
、、、、
我正致力于在更广泛的人脸数据集上实现一个人脸检测模型。我了解到它是内置到中的，我正在使用它。然而，在批量处理数据时，我面临一个问题。因为一个图像可以有多个面，因此每个图像的边框输出数是不同的。例如，有两个脸的图像将有两个包围框，而一个有4个的图像将有4个等等。
但问题是，这些不相等数量的包围框导致每个Dataset对象张量都具有
浏览 3提问于2021-07-11得票数 1
回答已采纳
我使用卷积网络对不同形状的图像进行分类。我找不到在Tensorflow中加载图像的方法。基于，它应该与tf.data.Dataset()一起工作。我以这种方式创建数据集：dataset = dataset.map(read_file)Shapes are: [element]: [295,256,3], [parent slice]: [2
浏览 9提问于2017-10-17得票数 2
我正在为与NLP相关的任务创建一个自定义数据集。在PyTorch中自定义数据广播tutorial，我们可以看到__getitem__()方法在返回样本之前为转换留出空间： def __getitem__(self, idx): sample = self.transform(sample)
浏览 46提问于2021-02-25得票数 6
回答已采纳
类似的问题已经在这个论坛上发布和回答了，但是这个特殊的案例我没有找到任何解决方案。(我正在使用Keras ) 我有形状为(150,75,3)的图像，我将numpy数组重塑为(1,150,75,3) 这应该是可以工作的，但是出现了这个错误： ValueError: Error wheninput: expected conv2d_input to have 4 dimensions, but got array with shape (1, 1, 1, 150, 75, 3) 编辑:这是我处理</e
浏览 5提问于2021-08-28得票数 1
1回答
当试图加载Caltech tensorflow-dataset时，我收到了一个错误。我使用的是中的标准代码tensorflow.python.framework.errors_impl.InvalidArgumentError: Cannot batch tensors with
浏览 4提问于2019-08-09得票数 0
回答已采纳
我一直在使用Tensorflow库学习MNIST教程。现在我想用我自己的数据进行研究。(图像大小为28x28 -> 188x188和3级)。 run_metadata_ptr)
File "/usr/local/lib/python2.7/site-packages/ten
浏览 9提问于2016-09-18得票数 0
v=z1PGJ9quPV8&t=28s这里是一个癌症检测的小项目，它已经提供了数据集和colab代码，但我在执行时遇到了问题 model.fit(x_train, y_train, epochs=1000) 它显示: ValueError:层"sequential“的输入0与层不兼容:预期的shape=(无，455，30)，发现的shape=(无，30) 我看了评论，有些人也有同样的问题
浏览 29提问于2021-11-22得票数 1
回答已采纳
2回答
完全卷积网络训练图像大小
、、、、
我正在尝试使用TensorFlow复制用于语义分割的完全卷积网络的结果。
我被困在将训练图像输入到计算图中。全卷积网络使用VOC PASCAL数据集进行训练。然而，数据集中的训练图像具有不同的大小。我只想问他们是否对训练图像进行了预处理，使它们具有相同的大小，以及他们是如何对图像进行预处理的。
浏览 2提问于2016-08-20得票数 6
我们正在尝试使用Google Colab TPU构建一个图像分割深度学习模型。我们的模型是Mask R-CNN。TPU_WORKER = 'grpc://' + os.environ['COLAB_TPU_ADDR']
tpu_model = tf.contrib.tpu.keras_to_tpu_modeltf.contrib.tpu.TPUDistributionStrategy(
tf.contrib.cluster_reso
浏览 0提问于2018-10-17得票数 3
我有两个数据集。第一个包含图像数据路径，因此指向我的输入X_train的路径。第二个数据集包含标签，它们是热编码的，采用特殊格式，它们的形状是三维的(图像数量、标签长度、字符可能性)，即我的数据集的(n, 8, 36)。标签是y_train数据。标签的<em
浏览 15提问于2020-06-05得票数 0
回答已采纳
1回答
我有一些图像和它们各自的标签作为训练集。我想将它用作TensorFlow中的数据集(就像我们如何使用mnist数据集，并可以使用mnist.train.next_batch(BATCH_SIZE)批量获取数据一样) 问题是，我如何创建自己的数据集，以便可以批量使用它？附加信息:训练集<
浏览 9提问于2019-10-11得票数 1
在预处理一组要输入到Tensorflow卷积神经网络的图像时，我创建了一个具有两列的Pandas数据帧。第二列包含与每个图像相关联的类标签。下面是数据帧的样子： (the dataframe) 现在，来看看这个错误。在检查单个图像的形状时，我得到了适当的(-，-，-)维度，而在检查整个X_train数据帧的<e
浏览 17提问于2020-06-19得票数 0
我尝试将一些图像写入tfrecord文件，但我发现它太大了。然后，我尝试将原始jpeg字节写入tfrecord文件。但当我尝试读取它时，有一个异常: ValueError: Shape必须是等级0，但对于'DecodeJpeg‘(操作符：'DecodeJpeg')，输入形状为32，等级为1。下面是我的代码import os
def write_features(example_image_paths, tf_records_path):&#
浏览 14提问于2019-11-07得票数 0
我想在WiderFace数据集上添加一个数据增强，我想知道，如何能够随意裁剪一幅图像，并且使用tensorflow只保留在裁剪中中心的脸的裁剪框？我已经尝试实现了一个解决方案，但是我使用了TFRecords和TfExampleDecoder，并且在处理过程中输入图像的形状被设置为[None, None, 3]，因此无法获得图像的形状</e
浏览 0提问于2018-03-29得票数 1
回答已采纳
1回答
我是CNN的新手，我有一个关于CNN的问题。我对CNN的输入形状(特别是Keras)有点困惑。我的数据是不同时隙的2D数据(比方说10X10)。因此，我有3D数据。我将把这些数据输入到我的模型中，以预测即将到来的时间段。因此，我将有一定数量的时隙用于预测(假设10个时隙，到目前为止，我可能有10X10X10数据)。现在，我的问题
浏览 10提问于2020-02-11得票数 4
回答已采纳
1回答
然后我使用tf.saved_model.load重新加载它，当使用转换为带有shape (1, w, h, 3)的张量的单个图像预测盒子时，它工作得很好。import tensorflow as tfdetect_fn = tf.saved_model.loadinput_tensor = np.expand_dims(image_np, 0)
detections = detect_fn(input_tenso
浏览 25提问于2020-09-02得票数 8
回答已采纳
我正在用TensorFlow做一个神经网络。我现在想导入我自己的图像作为数据集，以便在这些图像上训练神经网络。然后，我尝试从这个数据中创建一个TensorFlow数据集。我首先将文件名和标签名的列表转换为Tensor
浏览 1提问于2018-01-20得票数 1
按照的示例，我希望创建一个tf.Dataset，它接收图像的路径，并将这些路径映射到图像张量。sess.run(input_images)这似乎没问题，并打印出来：(64, 64, 3)这确实是我的图像的尺寸因此，我尝试将这些数据实际地输入到一个网络中进行训练，并相应地修改了代码：
浏览 2提问于2018-08-15得票数 1
回答已采纳
云服务器
ICP备案
腾讯会议
云直播
实时音视频
腾讯云开发者
