用於超分辨率的Tensorflow的可變分辨率

我使用張量流將圖像縮放了2倍。但由於張量（批量，高度，寬度，通道）決定了分辨率，因此只接受一個分辨率的圖像進行推理和訓練。用於超分辨率的Tensorflow的可變分辨率

對於其他決議，我必須修改代碼並重新訓練模型。是否有可能使我的代碼解決方案獨立？理論上，圖像的卷積是獨立於分辨率的，我沒有看到爲什麼這是不可能的。

我不知道如何在tensorflow中做到這一點。有什麼可以幫助我嗎？

感謝

2017-07-25 Kevin Qiu

不確定如何在tensorflow中做到這一點，但在keras（使用張量流作爲後端）中，您可以爲卷積圖層指定未知大小的輸入（如[指定]（https://github.com/）例如fchollet/keras/issues/1920）。我懷疑你可以在tf中做類似的事情，例如使用'tf.placeholder（tf.float64，shape = None）'不要賦予變量的大小' – gionni

非常感謝！有效。 –

好了，這裏是我做過什麼：

輸入和輸出張量現在有形狀（BATCHSIZE，無，無，通道）

訓練圖像現在已經被調整在網絡之外。

重要提醒：培訓圖像必須是相同的大小，因爲他們在批量！一批中的圖像必須具有相同的尺寸。當推斷批量大小爲1時，尺寸無關緊要。

來源

2017-08-02 09:34:25

用於超分辨率的Tensorflow的可變分辨率

回答

相關問題