我创建了一种深度卷积神经网络,用于对图像中的每个像素进行分类。我的训练数据始终是相同的尺寸(32x32x7),但测试数据可以是任何尺寸。
目前,我的模型只能处理相同大小的图像。我广泛使用了tensorflow mnist 教程 来帮助我构建模型。在这个教程中,我们只使用28x28的图像。如何修改以下mnist模型以接受任意大小的图像?
x = tf.placeholder(tf.float32, shape=[None, 784])
y_ = tf.placeholder(tf.float32, shape=[None, 10])
W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))
x_image = tf.reshape(x, [-1, 28, 28, 1])
为了让事情变得更加复杂,我的模型具有需要指定输出形状的转置卷积。我应该如何调整下面这行代码,以便转置卷积将输出与输入大小相同的形状。
DeConnv1 = tf.nn.conv3d_transpose(layer1, filter = w, output_shape = [1,32,32,7,1], strides = [1,2,2,2,1], padding = 'SAME')