如何在Tensorflow中读取可变长度的1D输入？

Question

我正在尝试将可变长度的1-D输入读入Tensorflow CNN。

我以前通过使用tf构建一个CSV文件（其中第一列是标签，其余列是输入值 - 展平光谱图数据全部填充/截断为相同长度）来实现读取固定长度输入。 TextLineReader（）。

这一次我有一个目录充满了每个包含我想用作输入的数据行的文件（再次展开光谱图数据，但我不想强制它们具有相同的尺寸），并且行长度是不固定。我在尝试使用先前编译CSV的方法时遇到错误。我查看了tf.TextLineReader（）的文档，它指定所有的CSV行必须是相同的形状，所以我卡住了！任何帮助将不胜感激，谢谢:)

Answer 1

我假设数据不变形，当你有一个更长或更短的样本权利？我的意思是说，如果你在1000像素的数组上训练你的网络，那么你的网络的内核大小就是[5,1]。那[5,1]内核需要在可变长度数据中看到与训练数据中相同的模式。如果您的数据被拉伸或缩小，则正确的解决方案是将数据内插到与训练数据相同的大小，以便形状/模式匹配。

假设您只需要可变长度输入，那么在理论上，您应该可以通过将批处理大小设置为1并更改数据的第一维来完成此操作。

所以，你输入的占位符会是什么样子：

X = tf.placeholder(dtype, shape=[1,None,1,1]) 

4形状参数是：1 =批量大小;无=第一维尺寸未知; 1 =未使用，因为它是一维数据集，1 =一个通道图像，同样未使用，但需要tf.conv2d才能接收预期的4D图像。

这与配置tensorflow以支持变量批量大小并无太大区别。因此，您应该查看下面的链接并了解该流程。

get the size of a variable batch dimension

需要注意的是，因为你不能就能够构建缺失值矩阵的第二维，你不能使用批量规模超过1这里。我期望卷积运算能够与这个可变维度一起工作（尽管我实际上没有尝试过）。

解决这个问题的另一种方法是用0填充你的输入，这样它们都有一个共同的长度，但是这需要先在模型中进行训练。