tf.reshape不工作

Question

我是坦索弗洛的新手。我打算用tf.reshape把形状(28,28,1)张量压平成一维张量，但没有得到预期的结果。这是我使用的代码的一部分。

def input_pipeline(self, batch_size, num_epochs=None):
    images_tensor = tf.convert_to_tensor(self.image_names, dtype=tf.string)
    labels_tensor = tf.convert_to_tensor(self.labels, dtype=tf.int64)
    input_queue = tf.train.slice_input_producer([images_tensor, labels_tensor], num_epochs=num_epochs)

    labels = input_queue[1]
    images_content = tf.read_file(input_queue[0])
    images = tf.image.convert_image_dtype(tf.image.decode_png(images_content, channels=N_CHANNELS), tf.float32)
    new_size = tf.constant([IMAGE_SIZE_CHN, IMAGE_SIZE_CHN], dtype=tf.int32)
    images = tf.image.resize_images(images, new_size)
    reshape_vec = tf.constant([-1], dtype=tf.int32)
    print(images.get_shape())
    tf.reshape(images, reshape_vec)
    print(images.get_shape())
    image_batch, label_batch = tf.train.shuffle_batch([images, labels], batch_size=batch_size, capacity=50000,
                                                      min_after_dequeue=10000)
    return image_batch, label_batch

两个打印函数的结果都是(28,28,1)。有人能帮我吗？谢谢!

Answer 1

reshape返回一个新的张量，这是重塑旧张量的结果。它不会改变原来的张量。若要修复，只需将整形行更改为

images = tf.reshape(images, reshape_vec)

注意，仅仅使用它可能会更好/更干净

images = tf.reshape(images, (-1,))

而不是用一个单独的常数张量来定义新的形状，尽管这更多的是个人偏好的事情。