Sto adattando il cifar10 convolution example al mio problema. Mi piacerebbe cambiare l'input dei dati da un design che legge le immagini una alla volta da un file a un disegno che opera su un set di immagini già in memoria. La funzione originaria inputs()
assomiglia a questo:Tensorflow "operazione mappa" per tensore?
read_input = cifar10_input.read_cifar10(filename_queue)
reshaped_image = tf.cast(read_input.uint8image, tf.float32)
# Crop the central [height, width] of the image.
resized_image = tf.image.resize_image_with_crop_or_pad(reshaped_image,
width, height)
Nella versione originale, read_input
è un tensore che contiene un'immagine.
ho mantenere tutte le mie immagini nella RAM, quindi invece di utilizzare filename_queue
, ho una enorme images_tensor = tf.constant(images)
, dove images_tensor.shape
è (cosa, 32, 32, 3).
La mia domanda è molto di base: qual è il modo migliore per applicare alcune funzioni (tf.image.resize_image_with_crop_or_pad
nel mio caso) a tutti gli elementi di images_tensor
?
L'iterazione è problematica in tensorflow, con sezioni limitate (TensorFlow - numpy-like tensor indexing). C'è una soluzione per raggiungere questo utilizzando solo un comando?
Non trovo 'map_fn' in nessuna versione dei documenti. Link? –
non riesco a trovare nulla online o - quanto sopra (e ho completato esso) cam da importazione tensorflow come tf aiuto (tf.map_fn) tanto per essere sicuro che sei versioni 0.8 o successiva. – DomJack