我似乎想不出如何用tensorflow.js创建一个粗糙的张量。我在api文档中也找不到任何东西。
我正在做一个简单的猫对狗AI,并有不同大小的图像。我使用fs.readFileSync获取缓冲区,使用toJson方法,然后在训练数据中使用对象上的data属性作为向量。因为图像是不同的,每个矢量都是不同的大小,因此需要一个粗糙的张量。我已经尝试过在我的形状中使用null或NaN,但没有结果。
我对坦索弗洛也相当陌生,所以欢迎你提出任何建议。
这是我的代码:
const tensorflow = require('@tensorflow/tfjs')
const fs = require('fs')
exports.ImagePredict = function (test, ...dataSets) {
const images = {}
for(const i of dataSets) {
images[i.name] = []
for(const x of i.data) {
images[i.name].push(fs.readFileSync(x).toJSON().data)
}
images[i.name] = tensorflow.tensor(images[i.name], [images[i.name].length, null])
}
return images
}
console.log(exports.ImagePredict(null, {name: 'Cat', data: ['../Sets/PetImages/Cat/1.jpg', '../Sets/PetImages/Cat/2.jpg', '../Sets/PetImages/Cat/3.jpg']}))我期望函数返回一个粗糙的张量,但它却抛出了这个错误:
throw new Error(typeof msg === 'string' ? msg : msg());
^
Error: Element arr[1] should have 16868 elements, but has 26997 elements
at Object.assert (C:\Users\Miles\Desktop\AI\tensorflow.js\node_modules\@tensorflow\tfjs-core\dist\util.js:48:15)
at deepAssertShapeConsistency (C:\Users\Miles\Desktop\AI\tensorflow.js\node_modules\@tensorflow\tfjs-core\dist\tensor_util_env.js:34:12)
at deepAssertShapeConsistency (C:\Users\Miles\Desktop\AI\tensorflow.js\node_modules\@tensorflow\tfjs-core\dist\tensor_util_env.js:38:9)
at Object.inferShape (C:\Users\Miles\Desktop\AI\tensorflow.js\node_modules\@tensorflow\tfjs-core\dist\tensor_util_env.js:20:9)
at Object.tensor (C:\Users\Miles\Desktop\AI\tensorflow.js\node_modules\@tensorflow\tfjs-core\dist\ops\tensor_ops.js:23:43)
at Object.exports.ImagePredict (C:\Users\Miles\Desktop\AI\tensorflow.js\index.js:13:33)
at Object.<anonymous> (C:\Users\Miles\Desktop\AI\tensorflow.js\index.js:19:21)
at Module._compile (internal/modules/cjs/loader.js:736:30)
at Object.Module._extensions..js (internal/modules/cjs/loader.js:747:10)
at Module.load (internal/modules/cjs/loader.js:628:32)发布于 2019-04-28 07:18:34
目前,tfjs不支持粗糙的张量。如果您的图像具有不同的形状,请考虑将它们裁剪或调整大小,使其形状为模型的inputShape。实际上,后者是大多数分类模型中常见的处理方法。
https://stackoverflow.com/questions/55886220
复制相似问题