Tensorflow：如何在4D数据格式（batch_size，width，hight，channels）上使用1D / 2D运算符，保持batch_size和通道

Question

任何类似或任何与此有关的教程都值得感谢。如果没有通用的解决方法，而我需要为每个操作员设计一种独特的方法，请告诉我。因为我真的很陌生。谢谢！

在我的数据tf.reduce_max()上使用data = (2,480,640,3)，表示(batch_size, width, hight, channels)，预期结果类似于(2,1,3)，表示找到每个通道上每个批次的最大值。

类似下面的伪代码

for i, j in zip(batch_size, channels)
    img = data(i,:,:,j)    
    img_re = tf.reshape(img, shape=(480*640,))
    max = tf.reduce_max(img_re)

每个通道和输出的每批

也 2D OP (2,1,3) 请帮忙。

Answer 1

我了解到，只要您将axis设置为参数（如果在 document 中是合法的），许多api都可以直接对4D数据进行操作。

因此没有扩展我当前的1D / 2D操作的一般方法。由于效率高，我必须重新编码才能找到向量化的方式。

对于批次：

tf.map_fn可以批量处理每个张量的相同操作。 Here.但通常会比矢量化方法慢。多输入here