Saya mencoba melakukan yang tensorflow
setara torch.transforms.Resize(TRAIN_IMAGE_SIZE)
, yang mengubah ukuran dimensi gambar terkecil menjadi TRAIN_IMAGE_SIZE
. Sesuatu seperti ini
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)
Jawaban sederhananya ada di sini: Tensorflow: Memotong wilayah kuadrat pusat gambar terbesar
Tetapi ketika saya menggunakan metode dengan tf.data.Dataset.map(transforms)
, saya dapatkan shape=(None,None,3)
dari dalam largest_sq_crop(image)
. Metode ini berfungsi dengan baik ketika saya menyebutnya dengan normal.
largest_sq_crop
?
EagerTensors
tidak tersedia di dalamDataset.map()
sehingga bentuknya tidak diketahui. apakah ada solusinya?