记录如何在tensorflow 中对batch中的每个image进行不同的操作

while_coding

于 2020-03-01 12:41:47 发布

阅读量1.5k

点赞数

分类专栏： DL tensorflow tf.map_fn

本文链接：https://blog.csdn.net/smileforhappened/article/details/104589935

版权

本文介绍了如何在TensorFlow中利用tf.map_fn函数处理batch中的每个图像，解决不能直接像numpy那样对tensor赋值的问题。通过示例代码，解释了如何在保持批处理维度的同时，对每个图像进行resize和pad的操作，强调了在同一map_fn中完成所有操作的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

tensorflow 是不支持像numpy一样对tensor/array 进行直接赋值的，并且如果输出[batchsize, img_height, img_width, img_ch]的tensor，如何对一个batch中的每个图片进行操作也比较麻烦。

解决这个问题主要是靠tensorflow的两个函数。

1、tf.map_fn(fn, elems, dtype)

这个函数有很多博客讲的很好，随便一搜就可以。但是博客上一般都默认elems只有一个值，比如对视频进行卷积操作。如果对每个batch中的每个图片进行操作呢？

看API：

"""map on the list of tensors unpacked from `elems` on dimension 0.

The simplest version of `map_fn` repeatedly applies the callable `fn` to a
sequence of elements from first to last. The elements are made of the
tensors unpacked from `elems`. `dtype` is the data type of the return
value of `fn`. Users must provide `dtype` if it is different from
the data type of `elems`.
这里介绍了函数是用来干嘛的。 简单地说就是函数把elements中的元素按照dimension 0展开，然后重复的给fn运行。dtype代表的是fn的返回值类型。

Suppose that `elems` is

最低0.47元/天解锁文章