Tensorflow - keras - Ошибки формы с 'strided_slice' (используется набор данных MNIST с измененным размером)

Пример полосатых срезов:

foo [5:,:,: 3] в тензоре 7x8x9 эквивалентно foo [5: 7,0: 8,0: 3]. foo [:: - 1] переворачивает тензор с формой 8.

К сожалению, в настоящее время в Tensorflow доступна только индексация базовых типов. Индексирование расширенного типа находится в стадии разработки.

Вторая проблема - неправильное изменение размера. Tensorflow предполагает ввод 3D или 4D. Вы пытались передать 2D-изображение в `tf.image.resize_images (), который не возвращает требуемых новых размеров изображения. Итак, мы должны изменить необработанные изображения следующим образом:

x_train = x_train.reshape((-1, x_train.shape[1], x_train.shape[1], 1))

только тогда мы можем передать их:

`x_train = tf.image.resize_images(x_train, [128, 128])

Затем он вернет правильные размеры:

print(x_train.shape)

Выход:

(60000, 128, 128, 1)

Итак, обобщая все решение, в настоящее время вы можете сделать это следующим образом:

import numpy as np
import tensorflow as tf

batch_size = 32

mnist = tf.keras.datasets.mnist

(x_train, _), (_, _) = mnist.load_data()

x_train = x_train.reshape((-1, x_train.shape[1], x_train.shape[1], 1))
x_train = (x_train.astype(np.float32) - 127.5) / 127.5
x_train = tf.image.resize_images(x_train, [128, 128])

idx = np.random.randint(0, x_train.shape[0], batch_size)

imgs = [x_train[i,:,:,:] for i in idx]

что является довольно запутанным "решением".

Другое, на самом деле реальное решение с реорганизацией исходного кода, мы можем достичь того, к чему стремились, как обходной путь для проблемы индексации тензорного потока:

import numpy as np
import tensorflow as tf

batch_size = 32

mnist = tf.keras.datasets.mnist

(x_train, _), (_, _) = mnist.load_data()

x_train = (x_train.astype(np.float32) - 127.5) / 127.5
idx = np.random.randint(0, x_train.shape[0], batch_size)
x_train = x_train[idx]

x_train = x_train.reshape((-1, x_train.shape[1], x_train.shape[1], 1))
x_train = tf.image.resize_images(x_train, [128, 128])

print(x_train.shape)

Выход:

(32, 128, 128, 1)

Вот и все!