Tensorflow kann "image.shape" nicht von der Methode in "dataset.map (mapFn)" abrufen

Ich versuche , das zu tun tensorflowÄquivalent torch.transforms.Resize(TRAIN_IMAGE_SIZE), das die die Größe kleinsten zu Bilddimension TRAIN_IMAGE_SIZE. Etwas wie das

def transforms(filename):
  parts = tf.strings.split(filename, '/')
  label = parts[-2]

  image = tf.io.read_file(filename)
  image = tf.image.decode_jpeg(image)
  image = tf.image.convert_image_dtype(image, tf.float32)

  # this doesn't work with Dataset.map() because image.shape=(None,None,3) from Dataset.map()
  image = largest_sq_crop(image) 

  image = tf.image.resize(image, (256,256))
  return image, label

list_ds = tf.data.Dataset.list_files('{}/*/*'.format(DATASET_PATH))
images_ds = list_ds.map(transforms).batch(4)

Die einfache Antwort lautet hier: Tensorflow : Beschneidet den größten zentralen quadratischen Bereich des Bildes

Aber wenn ich die Methode mit benutze tf.data.Dataset.map(transforms), komme ich shape=(None,None,3)von innen largest_sq_crop(image). Die Methode funktioniert gut, wenn ich sie normal aufrufe.

Ich habe die Antwort gefunden. Es hatte damit zu tun, dass meine Größenänderungsmethode bei eifriger Ausführung gut funktionierte, z. B. tf.executing_eagerly()==Truefehlschlug, wenn sie innerhalb verwendet wurde dataset.map(). Anscheinend in dieser Ausführungsumgebung tf.executing_eagerly()==False.

Mein Fehler lag in der Art und Weise, wie ich die Form des Bildes entpackte, um Abmessungen für die Skalierung zu erhalten. Die Ausführung von Tensorflow-Diagrammen scheint den Zugriff auf das tensor.shapeTupel nicht zu unterstützen .

  # wrong
  b,h,w,c = img.shape
  print("ERR> ", h,w,c)
  # ERR>  None None 3

  # also wrong
  b = img.shape[0]
  h = img.shape[1]
  w = img.shape[2]
  c = img.shape[3]
  print("ERR> ", h,w,c)
  # ERR>  None None 3

  # but this works!!!
  shape = tf.shape(img)
  b = shape[0]
  h = shape[1]
  w = shape[2]
  c = shape[3]
  img = tf.reshape( img, (-1,h,w,c))
  print("OK> ", h,w,c)
  # OK>  Tensor("strided_slice_2:0", shape=(), dtype=int32) Tensor("strided_slice_3:0", shape=(), dtype=int32) Tensor("strided_slice_4:0", shape=(), dtype=int32)

Ich habe in meiner dataset.map()Funktion nachgeschaltete Formabmessungen verwendet, und es wurde die folgende Ausnahme ausgelöst, da Noneanstelle eines Werts ein Wert angezeigt wurde.

TypeError: Failed to convert object of type <class 'tuple'> to Tensor. Contents: (-1, None, None, 3). Consider casting elements to a supported type.

Als ich zum manuellen Auspacken der Form überging tf.shape(), funktionierte alles einwandfrei.