他們爲什麼在tensorflow cifar10教程中設置浮點圖像的形狀？

Question

在Tensorflow cifar10 tutorial,distorted_input函數中，他們通過這樣做來設置浮動圖像的形狀。

float_image.set_shape([height, width, 3]) 

，但不是在形狀已經伸張時，我們裝好了distorted_image

distorted_image = tf.random_crop(reshaped_image, [height, width, 3]) 

爲什麼我們需要之前，我們把它傳遞給批處理功能重新設置張量的形狀。

Answer 1

這是我的意見，爲什麼它是基於文檔完成的。我們先從

distorted_image = tf.random_crop(reshaped_image, [height, width, 3]) 
distorted_image = tf.image.random_flip_left_right(distorted_image) 
distorted_image = tf.image.random_brightness(distorted_image, max_delta=63) 
distorted_image = tf.image.random_contrast(distorted_image, lower=0.2, upper=1.8) 
float_image = tf.image.per_image_standardization(distorted_image) 

random_crop()後，我們知道張的形狀，從文檔的形狀random_flip_left_right()後保持不變。但是文檔沒有說明形狀在random_brightness()和random_contrast()之後保留。 （注意之前的函數在返回參數中提到形狀保持不變的區別）。

所以據我瞭解TF並不確切地知道圖像的形狀之後，我們只是把它提醒到TF與set_shape：

的tf.Tensor.set_shape方法更新的靜態形狀張量 對象，並且它通常用於在不能直接推斷此信息時提供附加形狀信息。