TensorFlow未知图像尺寸下按随机因子缩放图像报错求助

你遇到的问题核心在于几个细节没处理好：一是获取图像尺寸的方式不对（静态形状 vs 动态形状），二是缩放后的尺寸类型和维度不符合tf.image.resize_images的要求。咱们一步步来修正：

问题分析 #

1. img.get_shape()返回的是TensorShape对象，当图像尺寸未知时，H/W可能是None，而且它不是可计算的Tensor，没法和scale（Tensor）直接相乘；
2. scale是形状为[1]的float32 Tensor，直接计算H*scale会得到不符合要求的结果；
3. tf.image.resize_images要求size必须是一维int32类型的Tensor，而你当前的计算结果是浮点型，维度也不对。

修正后的代码方案 #

# 1. 获取图像的动态形状（返回的是Tensor，支持运行时计算）
img_shape = tf.shape(img)
H = img_shape[0]
W = img_shape[1]

# 2. 生成标量形式的随机缩放因子（避免多余维度带来的计算麻烦）
scale = tf.random_uniform([], minval=1, maxval=1.5, dtype=tf.float32, seed=None, name=None)

# 3. 计算缩放后的尺寸，转换为int32类型并整理成一维Tensor
new_H = tf.cast(tf.multiply(tf.cast(H, tf.float32), scale), tf.int32)
new_W = tf.cast(tf.multiply(tf.cast(W, tf.float32), scale), tf.int32)
target_size = tf.stack([new_H, new_W])

# 4. 执行缩放操作
resized_img = tf.image.resize_images(tf.expand_dims(img, 0), target_size)

关键细节说明 #

• 用tf.shape(img)替代img.get_shape()：前者获取的是图像的动态形状Tensor，在运行时会根据输入图像的实际尺寸计算，完全适配尺寸未知的场景；
• 生成标量缩放因子：tf.random_uniform([])生成的是标量Tensor，比[1]形状的Tensor更方便后续计算，不需要额外处理维度挤压；
• 类型转换：先把H/W转成float32和scale相乘，再转成int32，完美满足resize_images对size参数的类型要求；
• 用tf.stack组合尺寸：把new_H和new_W组合成一维Tensor，完全匹配size参数的格式要求。

这样修改后，就能顺利执行未知尺寸图像的随机缩放操作啦。

内容的提问来源于stack exchange，提问作者Gerry