如何使用嵌套形狀的tf.data.Dataset.padded_batch？

Question

我正在為每個元素構建一個具有兩個形狀[張，寬，高，3]和[批次，類]張量的數據集。 為簡單起見，我們可以說class = 5。

您將什么形狀提供給dataset.padded_batch(1000,shape) ，以便沿寬度/高度/ 3軸填充圖像？

我嘗試過以下方法：

tf.TensorShape([[None,None,None,3],[None,5]])
[tf.TensorShape([None,None,None,3]),tf.TensorShape([None,5])]
[[None,None,None,3],[None,5]]
([None,None,None,3],[None,5])
(tf.TensorShape([None,None,None,3]),tf.TensorShape([None,5])‌​)

每次引發TypeError

文檔說明：

padded_shapes：tf.TensorShape或tf.int64向量張量類對象的嵌套結構，表示在批處理之前應填充每個輸入元素的相應組件的形狀。 任何未知的尺寸（例如tf.TensorShape中的tf.Dimension（無）或類似張量的對象中的-1）將被填充到每個批次中該維度的最大尺寸。

相關代碼：

dataset = tf.data.Dataset.from_generator(generator,tf.float32)
shapes = (tf.TensorShape([None,None,None,3]),tf.TensorShape([None,5]))
batch = dataset.padded_batch(1,shapes)

Answer 1

感謝mrry尋找解決方案。 事實證明，from_generator中的類型必須與條目中的張量數相匹配。

新代碼：

dataset = tf.data.Dataset.from_generator(generator,(tf.float32,tf.float32))
shapes = (tf.TensorShape([None,None,None,3]),tf.TensorShape([None,5]))
batch = dataset.padded_batch(1,shapes)

Answer 2

TensorShape不接受嵌套列表。 tf.TensorShape([None, None, None, 3, None, 5])和TensorShape(None) （注意沒有[] ）是合法的。

但是，結合這兩個張量對我來說聽起來很奇怪。 我不確定你要完成什么，但我建議你嘗試不使用不同尺寸的張量。