如何在Keras/TensorFlow中向张量重新引入（无，)批维数？

Question

Tensorflow版本：1.12 Keras版本：2.2.4 OS:Debian Linux（VM实例）Python版本：2.7

我试过：1。用[None,299,299,3]以及[-1,299,299,3]重塑（）。两者都不按要求工作

img_height=299
img_width=299
inputs = Input(shape=[1],dtype=tf.string)
inputs_inter1 = Lambda(preprocess_input, output_shape=(img_height,img_width,3))(inputs)
print(inputs_inter1.shape)

print("Combining with string vector input")
combine_out = trainedmodel(inputs_inter1)     
Combinedmodel = Model(inputs,combine_out)
input_tensor = Combinedmodel.inputs[0]
output_tensor = Combinedmodel.outputs[0]
print("Inputs: "+str(input_tensor))
print("Outputs: "+str(output_tensor))

def preprocess_input(x):

    import tensorflow as tf

    x=tf.reshape(x,())
    x = tf.image.decode_jpeg(x,channels=3)
    x = tf.image.resize_images(x,(299,299))
    x = tf.cast(x, tf.float32)
    x = tf.math.divide(x, 255.0)
    x = tf.math.subtract(x, 0.5)
    x = tf.math.multiply(x, 2.0)
    x = tf.expand_dims(x,0)    
return x

预期结果：

Answer 1

回答我自己的问题。

诀窍是创建一个具有所需维度[None，299，299，3]的新占位符，将预处理的张量复制到其中，并从Lambda函数/层返回该占位符。

def preprocess_input(x):

    import tensorflow as tf

    x=tf.reshape(x,())
    x = tf.image.decode_jpeg(x,channels=3)
    x = tf.image.resize_images(x,(299,299))
    x = tf.cast(x, tf.float32)
    x = tf.math.divide(x, 255.0)
    x = tf.math.subtract(x, 0.5)
    x = tf.math.multiply(x, 2.0)

    x = tf.placeholder_with_default(x,[None,299,299,3])

    return x

关于tf.placeholder_with_default的用法，可以在下面找到:https://www.tensorflow.org/api_docs/python/tf/placeholder_with_default