ValueError: All shapes must be fully defined. Issue due to commenting out tf.random_crop
ValueError: All shapes must be fully defined. Issue due to commenting out tf.random_crop
这个问题在某种程度上是
的延伸
我使用以下代码将我的图像转换成特定形状：
height = tf.cast(features['height'],tf.int32)
width = tf.cast(features['width'],tf.int32)
image = tf.reshape(image,tf.pack([height, width, 3]))
在 cifar10_input 代码中，图像被以下内容扭曲，其中 IMAGE_SIZE = 32:
height = IMAGE_SIZE
width = IMAGE_SIZE
distorted_image = tf.random_crop(image, [height, width, 3])
但是，就我的目的而言，我现在不需要进行随机裁剪。因此，我将该行替换为：
distorted_image = image
当我这样做时，它抛出以下错误：
Traceback (most recent call last):
File "cnn_train.py", line 128, in <module>
tf.app.run()
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/platform/default/_app.py", line 30, in run
sys.exit(main(sys.argv))
File "cnn_train.py", line 124, in main
train()
File "cnn_train.py", line 56, in train
images, labels = cnn.distorted_inputs()
File "/home/samuelchin/tensorflow/my_code/CNN/cnn.py", line 123, in distorted_inputs
batch_size=BATCH_SIZE)
File "/home/samuelchin/tensorflow/my_code/CNN/cnn_input.py", line 128, in distorted_inputs
min_queue_examples, batch_size)
File "/home/samuelchin/tensorflow/my_code/CNN/cnn_input.py", line 70, in _generate_image_and_label_batch
min_after_dequeue=min_queue_examples)
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/training/input.py", line 494, in shuffle_batch
dtypes=types, shapes=shapes)
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/ops/data_flow_ops.py", line 404, in __init__
shapes = _as_shape_list(shapes, dtypes)
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/ops/data_flow_ops.py", line 70, in _as_shape_list
raise ValueError("All shapes must be fully defined: %s" % shapes)
ValueError: All shapes must be fully defined: [TensorShape([Dimension(None), Dimension(None), Dimension(None)]), TensorShape([])]
我有两个问题：
- 为什么当我不执行 tf.random_crop 时它会抛出错误？在我看来，好像 tf.random_crop returns 与图像完全不同的东西。
- 是不是简单的把IMAGE_SIZE设置成我想要好的解决方案的大小？例如，如果图像为 32 x 32，我想将其裁剪为 24 x 24，我将设置 IMAGE_SIZE = 24。现在，既然我希望它为 32 x 32，我是否应该简单地设置 IMAGE_SIZE = 32?
因为您是动态生成图像，包括从 tf 记录文件动态提取高度和宽度，TensorFlow 不知道生成图像的形状。管道中的许多后续操作需要能够在 Python 执行时确定形状。
tf.random_crop 的附带效果是将图像大小设置为已知的固定大小，并使其形状暴露以供后续处理。
您可以直接将图像切成您想要的大小而不是random_crop，但是您需要执行一些操作才能将图像变成固定的-大小的东西。如果你希望它是 32x32 并且你知道你的输入高度和宽度是 32x32，那么你可以只对它做 set_shape（但你最好是正确的） .否则，您可以裁剪 and/or 调整到您想要的大小。
这个问题在某种程度上是
我使用以下代码将我的图像转换成特定形状：
height = tf.cast(features['height'],tf.int32)
width = tf.cast(features['width'],tf.int32)
image = tf.reshape(image,tf.pack([height, width, 3]))
在 cifar10_input 代码中，图像被以下内容扭曲，其中 IMAGE_SIZE = 32:
height = IMAGE_SIZE
width = IMAGE_SIZE
distorted_image = tf.random_crop(image, [height, width, 3])
但是，就我的目的而言，我现在不需要进行随机裁剪。因此，我将该行替换为：
distorted_image = image
当我这样做时，它抛出以下错误：
Traceback (most recent call last):
File "cnn_train.py", line 128, in <module>
tf.app.run()
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/platform/default/_app.py", line 30, in run
sys.exit(main(sys.argv))
File "cnn_train.py", line 124, in main
train()
File "cnn_train.py", line 56, in train
images, labels = cnn.distorted_inputs()
File "/home/samuelchin/tensorflow/my_code/CNN/cnn.py", line 123, in distorted_inputs
batch_size=BATCH_SIZE)
File "/home/samuelchin/tensorflow/my_code/CNN/cnn_input.py", line 128, in distorted_inputs
min_queue_examples, batch_size)
File "/home/samuelchin/tensorflow/my_code/CNN/cnn_input.py", line 70, in _generate_image_and_label_batch
min_after_dequeue=min_queue_examples)
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/training/input.py", line 494, in shuffle_batch
dtypes=types, shapes=shapes)
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/ops/data_flow_ops.py", line 404, in __init__
shapes = _as_shape_list(shapes, dtypes)
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/ops/data_flow_ops.py", line 70, in _as_shape_list
raise ValueError("All shapes must be fully defined: %s" % shapes)
ValueError: All shapes must be fully defined: [TensorShape([Dimension(None), Dimension(None), Dimension(None)]), TensorShape([])]
我有两个问题：
- 为什么当我不执行 tf.random_crop 时它会抛出错误？在我看来，好像 tf.random_crop returns 与图像完全不同的东西。
- 是不是简单的把IMAGE_SIZE设置成我想要好的解决方案的大小？例如，如果图像为 32 x 32，我想将其裁剪为 24 x 24，我将设置 IMAGE_SIZE = 24。现在，既然我希望它为 32 x 32，我是否应该简单地设置 IMAGE_SIZE = 32?
因为您是动态生成图像，包括从 tf 记录文件动态提取高度和宽度，TensorFlow 不知道生成图像的形状。管道中的许多后续操作需要能够在 Python 执行时确定形状。
tf.random_crop 的附带效果是将图像大小设置为已知的固定大小，并使其形状暴露以供后续处理。
您可以直接将图像切成您想要的大小而不是random_crop，但是您需要执行一些操作才能将图像变成固定的-大小的东西。如果你希望它是 32x32 并且你知道你的输入高度和宽度是 32x32，那么你可以只对它做 set_shape（但你最好是正确的） .否则，您可以裁剪 and/or 调整到您想要的大小。