Este posibil sa Culturilor/Redimensiona imagini pe lot ?
Eu sunt, folosind Tensorflow set de date API-ul de mai jos:
dataset = dataset.shuffle().repeat().batch(batch_size, drop_remainder=True)
Vreau, în lotul toate imaginile ar trebui să aibă aceeași dimensiune. Cu toate acestea, pe loturi, acesta poate avea diferite dimensiuni.
De exemplu, lot 1 are toate imaginile de forma (batch_size, 300, 300, 3). Următorul lot poate avea imagini de formă (batch_size, 224, 224, 3). Un alt lot poate avea imagini de formă (batch_size, 400, 400, 3).
Practic vreau sa am dymanically în formă de loturi, cu toate acestea, toate imaginile din lot au forme statice.
Dacă vom face după cum urmează:
dataset = dataset.shuffle().repeat().batch(batch_size, drop_remainder=True).map(lambda x, y: map_fn(x, y))
Are cele de mai sus .harta() se aplică pentru fiecare lot separat sau asupra întregului set de date ?
În cazul de mai sus .harta() nu se aplică pentru fiecare lot separat, cum putem face acest lucru ? Putem defini orice iterator după setul de date.lot(), se aplică tf.imagine.crop_and_resize() peste fiecare imagine pe lot și mai târziu folosi setul de date.join() pentru a combina toate transformate loturi ?
Am creat setul de date de mai jos:
# 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]
Chiar dacă am dat SIZE = (300, 300), în tf.imagine.resize(imagini, DIMENSIUNE), lot SIZE = (480, 640). Și, ca în următoarea imagine are DIMENSIUNI diferite = (640, 426), acesta nu a reușit să-l adăugați la lot. Asta înseamnă cumva că nu e capabil să aplice .harta (funcția) pe fiecare lot. Orice ajutor/idee ?