tf.tensor 的定义明确的维度是莫名其妙的“None”

Question

以下示例摘自 the official TensorFlow tutorial 数据管道。基本上，一个人将一堆 JPG 的大小调整为 (128, 128, 3)。出于某种原因，在应用 map() 操作时，颜色维度，即 3，在检查数据集的形状时变成了 None。为什么要挑出第三维呢？（我查看是否有任何图像不是 (128, 128, 3) 但没有找到。）

如果有的话，None 应该只显示第一个维度，即计算示例数量的维度，并且不应影响示例的各个维度，因为---嵌套结构---它们无论如何都应该具有相同的形状，以便存储为 tf.data.Datasets.

TensorFlow 2.1 中的代码是

import pathlib
import tensorflow as tf

# Download the files.
flowers_root = tf.keras.utils.get_file(
    'flower_photos',
    'https://storage.googleapis.com/download.tensorflow.org/example_images/flower_photos.tgz',
    untar=True)
flowers_root = pathlib.Path(flowers_root)

# Compile the list of files.
list_ds = tf.data.Dataset.list_files(str(flowers_root/'*/*'))

# Reshape the images.
# Reads an image from a file, decodes it into a dense tensor, and resizes it
# to a fixed shape.
def parse_image(filename):
  parts = tf.strings.split(file_path, '\') # Use the forward slash on Linux
  label = parts[-2]

  image = tf.io.read_file(filename)
  image = tf.image.decode_jpeg(image)
  image = tf.image.convert_image_dtype(image, tf.float32)
  image = tf.image.resize(image, [128, 128])
  print("Image shape:", image.shape)
  return image, label

print("Map the parse_image() on the first image only:")
file_path = next(iter(list_ds))
image, label = parse_image(file_path)

print("Map the parse_image() on the whole dataset:")
images_ds = list_ds.map(parse_image)

并产生

Map the parse_image() on the first image only:
Image shape: (128, 128, 3)
Map the parse_image() on the whole dataset:
Image shape: (128, 128, None)

为什么最后一行 None？

Answer 1

教程中您缺少这一部分

for image, label in images_ds.take(5):
    show(image, label)

行

images_ds = list_ds.map(parse_image)

只创建一个占位符并且没有图像传递给函数如果你打印 file_path 是空白的但是如果你使用

for image, label in images_ds.take(5)

它遍历通过 parse_image 函数传递给它的每个图像。

tf.tensor 的定义明确的维度是莫名其妙的“None”

The well-defined dimension of a tf.tensor is inexplicably `None`

python

tensorflow

tensorflow-datasets

tensorflow2.0

data-wrangling