Различные размеры изображений в тензорном потоке с batch_size = 1

Question

Я хочу получить класс python, который может загрузить модель tensorflow и реализовать inference.but, но я понятия не имею, как я могу вводить изображение с переменным размером изображения. :(

?

class ArtGenerater(): 
    def __init__(self,model_path): 
      self.model_path = model_path 
      # vary shape? 
      self.x = tf.placeholder(tf.float32,shape=(1,512,512,3)) 
      self.gen = model.resnet(self.x) 
      self.out = tf.saturate_cast(self.gen,tf.uint8) 

      self.sess = tf.Session() 
      file = tf.train.lastest_checkpoint(self.model_path) 
      saver = tf.train.Saver() 
      saver.restore(self.sess,file) 
    def pic(self,image_path): 
      img =np.asarray(Image.open(image_path)).astype(np.float32) 
      img = np.expand_dims(img,0) 
      output_t = self.sess.run(self.out,feed_dict={self.x:img}) 
      return output_t 

Теперь я просто использовать tf.placeholder(tf.float32,shape=(1,512,512,3)), но мой образ имеют разные размеры (., например, 1000 * 900) .как я могу достигнуть этой функции спасибо

EDIT:. спасибо everyone.I решили решить проблему, используя x = tf.placeholder(tf.string) img = tf.image.decode_jpeg(x,channels=3) , и это может обеспечить сеть (мой ConvNet включает в себя множество conv2d & conv2d_tranpose) с различным размером изображения. :)

Answer 1

В принципе вы можете определить различный входной размер не используя None следующего

self.x = tf.placeholder(tf.float32, [1, None, None, 3]) 

, а затем вы можете подать другой вход

feed_dict={self.x: current_data} etc.. 

Но будьте осторожны о вашей нейронной сети структуры. Если вы выравниваете свой последний слой conv в качестве входа в первый плотный слой, тогда ваша сеть работает только с таким размером, и вам нужно либо растянуть, либо обрезать изображение, чтобы заставить его работать.

Более гибкий подход - использовать что-то вроде Global Average Pooling или Spatial Pyramid Pooling, которые исправляют эту проблему.