如何在python中使用张量流从图像创建形状（？，）和dtype = string的张量

Question

我有一个训练有素的模型，输入层指定如下：

Model input:  [<tf.Tensor 'encoded_image_string_tensor:0' shape=(None,) dtype=string>, <tf.Tensor 'key:0' shape=(None,) dtype=string>]

我在创建具有这些属性的张量时遇到问题。 要么我得到正确的 dtype，然后我得到shape() 。 或者我得到一个非空的形状，但dtype=uint8或类似的。 关于如何阅读、创建和输入我的图像到正确格式的任何提示。 我要输入的图像是grayscale 、 jpg 、 3232x583像素。

Answer 1

你可以做

import tensorflow as tf

a = tf.placeholder(dtype=tf.string, shape=[None, ], name="encoder_image_string_tensor")
print(a)

哪个打印

Tensor("encoder_image_string_tensor:0", shape=(?,), dtype=string)

为了给这个张量提供值，你可以在这个函数中使用sess.run和feed_dict参数。

要获得正确尺寸的图像，您可以执行以下操作：

import cv2
im = cv2.imread("abc.jpg")
my_img = np.squeeze(np.reshape(im, [-1, 1]))
sess.run([], feed_dict={a: my_img})

我从这里获取我的答案。

Answer 2

我能够在这个 anwser（链接）的帮助下解决它，我用 OpenCV 将它作为图像读取。 将其编码为jpg。 将其转换为字节数组。 并使用 tf.constant() 使其成为 tensorflow。 感觉从文件到字节数组的转换可以以更好的方式进行，但我暂时保留它。

代码：

img = cv2.imread('IMAGEPATH')
flag, bts = cv2.imencode('.jpg', img) 
byte_arr = [bts[:,0].tobytes()]
tensor_string = tf.constant(byte_arr)

给出了这个有效的：

张量（“Const_14：0”，形状=（1，），dtype=string）