paddings=[[0, 0], [0, 0], [0, -i], [0, 0]], mode='CONSTANT'))
时间: 2024-01-14 19:01:55 浏览: 15
这是一个对输入进行padding的操作,具体来说:
- paddings参数表示每个维度(除了batch维)需要padding的量,列表中的每个元素包含两个数字,分别表示在该维度的起始和结束位置上需要padding的数量;
- mode参数表示padding的方式,这里使用的是常数填充(constant padding)。
- 该操作的目的是在输入的最后一维上(即时间步维度)进行padding,将所有序列的长度都填充到i+1的长度,使得所有序列都具有相同的长度。
相关问题
or i in range(self.min_disp, self.max_disp): if i < 0: cost_volume.append(tf.pad( tensor=inputs[0][:, :, :i, :] - inputs[1][:, :, -i:, :], paddings=[[0, 0], [0, 0], [0, -i], [0, 0]], mode='CONSTANT'))
这段代码是一种立体匹配算法中的计算代价体积(cost volume)的方法。其中,inputs 是一个包含了两个图像的四维张量,形状为 [batch_size, height, width, channels]。该算法的目标是找到两张图像之间的对应点,即为每个像素在第二张图像上找到一个与之对应的像素。为了实现这个目标,可以对第一张图像中的每个像素,在第二张图像上对一定的搜索范围内的像素进行比较,计算像素之间的代价(cost)。这样每个像素就对应了一组代价,形成了一个三维的代价体积。上述代码中的循环遍历了搜索范围内的每个像素,计算了对应的代价,并将结果添加到了一个列表 cost_volume 中。具体来说,对于每个 i,都将第一张图像中所有行、所有列、前 i 列的像素分别减去第二张图像中所有行、所有列、后 i 列的像素,得到一个四维张量,形状与输入的四维张量相同。然后通过 tf.pad 函数对第三个维度进行填充,使其在第三个维度上的大小等于搜索范围的大小。这样就得到了一个形状为 [batch_size, height, width, max_disp-min_disp+1] 的代价体积。
ValueError: Negative dimension size caused by subtracting 2 from 1 for '{{node block1_pool/MaxPool}} = MaxPool[T=DT_FLOAT, data_format="NCHW", explicit_paddings=[], ksize=[1, 1, 2, 2], padding="VALID", strides=[1, 1, 2, 2]](Placeholder)' with input shapes: [?,64,25,1].
这个错误通常是由于 pooling layer 的 kernel size 或者 stride size 设置不当导致的。根据错误信息,你的输入张量形状为 [?,64,25,1],其中第三维的大小为 25,而在进行 MaxPooling 操作时,你的 kernel size 为 [1, 1, 2, 2],stride size 为 [1, 1, 2, 2],这会将第三维的大小减小为 (25 - 2) / 2 + 1 = 12,但是你的第三维大小只有 1,因此会出现负数维度大小的错误。
你需要检查一下你的 pooling layer 的参数设置是否正确,尝试修改 kernel size 或 stride size 或者使用 padding 参数来避免这个错误。
相关推荐
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![.zip](https://img-home.csdnimg.cn/images/20210720083646.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)