TensorFlow随机调整图像尺寸

Question

我正在尝试在图形构建期间按比例调整图像大小，当图像大小未知时：

H, W, _ = img.get_shape()
scale = tf.random_uniform([1], minval=1, maxval=1.5, dtype=tf.float32, seed=None, name=None)

从这些中，我需要神奇地计算出一个大小，它将转化为以下内容：

tf.image.resize_images(tf.expand_dims(img, 0), [H*scale, W*scale])

这将返回：

ValueError: 'size' must be a 1-D int32 Tensor

非常感谢您的帮助。谢谢。

- Gerry

Answer 1

您的scale的形状为(1,)，因此[H*scale, W*scale]的形状为(1, 2)。要解决这个问题，只需生成一个标量随机数而不是一个1元素向量：

scale = tf.random_uniform([], minval=1, maxval=1.5, dtype=tf.float32, seed=None, name=None)

请注意，此处的形状是一个空列表，表示您想要一个标量。

除此之外，您还需要修复“size”参数的数据类型，如下所示：

tf.image.resize_images(tf.expand_dims(img, 0), tf.cast([H*scale, W*scale], tf.int32))

- jdehesa

---

啊，太好了，我真的想不出如何从 tf.random_uniform 中获取一个标量。 :) - David Parks

获取随机标量的好方法。谢谢。 - Gerry

Answer 2

你的问题在于你将python列表[H*scale, W*scale]与张量混合使用。默认情况下，tensorflow会将此类列表转换为适当的tensorflow常量。但是在这种情况下，你的列表包含张量，导致生成了一组不是1D的嵌套张量。

为了避免这种混乱，请停止使用python构造如列表，并将你的高度和宽度显式地转换为tensorflow构造，并在继续之前检查它们的形状。

x = tf.concat((scale*W, scale*H), axis=0)
print(x)
Tensor("concat_3:0", shape=(2,), dtype=float32)

这样做可以让我们看到，现在我们拥有了一个所需的1D张量。但它是float32（至少在我设置的简单测试用例中是这样），因此让我们将其转换为int：

x = tf.cast(x, tf.int32)

现在你已经准备好了。

tf.image.resize_images(tf.expand_dims(img, 0), size=x)

在那里不应该发生任何错误。

- David Parks

---

这解决了我的问题，谢谢。不过我还得添加一些东西，以防其他人有相同的问题，我获取 H 和 W 的方式没用。取而代之，请使用：H = tf.shape(img)[0]，W = tf.shape(img)[1]。 - Gerry