Tensorflow set_shape function 在运行时不会抛出不同形状的错误

Question

所以我将一些分辨率为 1024x1024 的图像加载到张量列表中，然后使用 function set_shape 将列表中每个张量的形状更改为 [128,128,3]：请参见此处的代码示例

但是，当我调用 eval() 并检查来自张量的图像的形状时，它说形状是 [1024,1024,3]。 在此处查看代码示例

那为什么 set_shape 没有抛出错误呢？

Answer 1

我认为您可能错误地使用set_shape() 。 请参阅关于 tf.Tensor.set_shape() 的说明。

“一个类比是tf.set_shape()就像 Java 这样的面向对象语言中的运行时转换。例如，如果你有一个指向 Object 的指针，但知道它实际上是一个字符串，你可能会进行强制转换 (String) obj 以便将 obj 传递给需要 String 参数的方法。但是，如果您有一个 String 并尝试将其强制转换为 java.util.Vector，编译器会给您一个错误，因为这两种类型是不相关的。”

基本上这个 function 为具有未指定形状的张量提供了形状定义（我认为）。 它不会将张量调整为具有不同数量元素的张量，因此如果您尝试以这种方式使用它，它将失败。 那么为什么它不抛出错误呢？ 我不是 100% 确定，但我猜这与为什么将 integer 转换为字符串不会导致错误有类似的原因。 这是一个有效的操作，但是当您尝试使用该变量时，假设形状实际上与您的set_shape()调用期间指定的一样，可能会在您的代码中导致问题。

考虑改用tf.image.resize() 。 此 function 旨在执行您在此处尝试执行的操作。 它接受一批图像并返回一个调整大小的批次。

new_list = tf.image.resize(lista,[128,128])