[英]How to create ragged tensors with tensorflow.js
我似乎無法弄清楚如何使用 tensorflow.js 創建一個參差不齊的張量。 我也無法在 api 文檔中找到任何內容。
我正在制作一個簡單的貓與狗 AI,並擁有不同大小的圖像。 我正在使用fs.readFileSync
來獲取緩沖區,使用toJson
方法,然后使用該對象上的data
屬性在我的訓練數據中用作向量。 由於圖像不同,每個向量的大小不同,因此需要不規則的張量。 我已經嘗試在我的形狀中使用null
或NaN
沒有結果。
我對 tensorflow 也很陌生,所以歡迎提出任何建議。
這是我的代碼:
const tensorflow = require('@tensorflow/tfjs')
const fs = require('fs')
exports.ImagePredict = function (test, ...dataSets) {
const images = {}
for(const i of dataSets) {
images[i.name] = []
for(const x of i.data) {
images[i.name].push(fs.readFileSync(x).toJSON().data)
}
images[i.name] = tensorflow.tensor(images[i.name], [images[i.name].length, null])
}
return images
}
console.log(exports.ImagePredict(null, {name: 'Cat', data: ['../Sets/PetImages/Cat/1.jpg', '../Sets/PetImages/Cat/2.jpg', '../Sets/PetImages/Cat/3.jpg']}))
我希望該函數返回一個參差不齊的張量,但它卻拋出了這個錯誤:
throw new Error(typeof msg === 'string' ? msg : msg());
^
Error: Element arr[1] should have 16868 elements, but has 26997 elements
at Object.assert (C:\Users\Miles\Desktop\AI\tensorflow.js\node_modules\@tensorflow\tfjs-core\dist\util.js:48:15)
at deepAssertShapeConsistency (C:\Users\Miles\Desktop\AI\tensorflow.js\node_modules\@tensorflow\tfjs-core\dist\tensor_util_env.js:34:12)
at deepAssertShapeConsistency (C:\Users\Miles\Desktop\AI\tensorflow.js\node_modules\@tensorflow\tfjs-core\dist\tensor_util_env.js:38:9)
at Object.inferShape (C:\Users\Miles\Desktop\AI\tensorflow.js\node_modules\@tensorflow\tfjs-core\dist\tensor_util_env.js:20:9)
at Object.tensor (C:\Users\Miles\Desktop\AI\tensorflow.js\node_modules\@tensorflow\tfjs-core\dist\ops\tensor_ops.js:23:43)
at Object.exports.ImagePredict (C:\Users\Miles\Desktop\AI\tensorflow.js\index.js:13:33)
at Object.<anonymous> (C:\Users\Miles\Desktop\AI\tensorflow.js\index.js:19:21)
at Module._compile (internal/modules/cjs/loader.js:736:30)
at Object.Module._extensions..js (internal/modules/cjs/loader.js:747:10)
at Module.load (internal/modules/cjs/loader.js:628:32)
目前,tfjs 不支持參差不齊的張量。 如果您的圖像具有不同的形狀,請考慮裁剪它們或調整它們的大小以使其具有模型的 inputShape 形狀。 實際上后者是大多數分類模型中的常見處理
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.