python - Tensorflow 2:序列化和解码时的形状不匹配
问题描述
我有一个形状为 (300,256,256) 的张量 A。我想序列化 A 以保存为 tfrecord 格式。但我无法将其转换回具有相同形状的张量。
A = tf.convert_to_tensor( *a numpy array with float32 type* )
B = tf.io.serialize_tensor(A)
C = tf.reshape(tf.io.decode_raw(B, out_type=tf.float32),[300,256,256])
如果我运行上面的代码,我会得到一个形状错误:
tensorflow.python.framework.errors_impl.InvalidArgumentError:reshape 的输入是一个具有 19660806 个值的张量,但请求的形状有 19660800 [Op:Reshape]
似乎当我序列化或解码时,添加了 6 个浮点数。(很奇怪)
解决方案
尝试使用: tf.io.parse_tensor()
,而不是tf.io.decode_raw()
.
https://www.tensorflow.org/api_docs/python/tf/io/parse_tensor