如何检查并调整生成图像尺寸？解决shape为None类型报错

你的问题出在静态形状获取上：image.shape[0]是TensorFlow的静态形状属性，当数据集里的图像尺寸不固定时，静态形状会返回None，导致赋值给h、w后无法比较大小。

要解决这个问题，必须用动态形状获取，也就是tf.shape(image)，它会在运行时获取图像的实际尺寸，适合tf.data管道里的动态张量处理。修改后的完整代码如下：

def preprocessing(image, label):
    # 动态获取图像实际尺寸（运行时）
    h, w = tf.shape(image)[0], tf.shape(image)[1]
    # 取宽高中的最大值作为padding后的目标尺寸
    size = tf.maximum(h, w)
    
    # 计算上下左右的padding偏移量，转为整数张量
    top_pad = tf.cast((size - h) / 2, tf.int32)
    left_pad = tf.cast((size - w) / 2, tf.int32)
    
    # 填充为正方形
    dst = tf.image.pad_to_bounding_box(image, top_pad, left_pad, size, size)
    dst = tf.image.resize(dst, size=(2048, 2048))

    # 图像增强部分保持不变
    dst = tf.image.random_crop(dst, size=(1843, 1843, 3))
    dst = tf.image.resize(dst, size=(2048, 2048))
    dst = tf.image.random_flip_left_right(dst)        
    dst = tf.cast(dst, tf.float32)
    dst = (dst / 127.5) - 1
    
    return dst, label

dt = dataset_train.map(preprocessing, num_parallel_calls=tf.data.experimental.AUTOTUNE)
dt = dt.batch(32).prefetch(3)
dv = dv.batch(32).prefetch(3)

关键改动说明： #

• 用tf.shape(image)替代image.shape：动态获取运行时的实际尺寸，避免静态形状为None的问题。
• 用tf.maximum(h, w)替代三元表达式：更符合TensorFlow的张量操作风格，同时避免Python条件判断对张量的兼容性问题。
• 用tf.cast转换偏移量类型：pad_to_bounding_box要求偏移量为整数类型张量，直接用Python的int()会报错，因为TensorFlow张量不能直接转为Python整数。

内容的提问来源于stack exchange，提问作者yeon