最近在写yolov3,因为yolov3的多输出性质,所以我打算写适配多输出的工具函数,在numpy中可以在一个array中包含多个不同维度的array,但在tensorflow中一个tensor只能保存相同维度的矩阵,这就十分蛋疼了.下面记录一下我是如何解决的.
在做parser的时候,让其返回值第一个为img,然后是一个动态的label数组,接下来使用tensorflow的包装函数进行包装,最后执行:
1
2
3
4
5
6
7
8
9
| def ():
img = np.zeros((240, 320, 3))
labels = [np.array((7, 10, 3, 25)), np.array((14, 20, 3, 25))]
return img, labels
img, *label = py_function(t, inp=[], Tout=[tf.float32] * 3)
大专栏 python返回值进行unpackpan>
with tf.Session() as sess:
_img = sess.run([img])
|
但是这样执行会出现一个问题,我虽然给定的输出是3个,但是实际执行的时候函数返回值是2个:
1
| pyfunc_10 returns 2 values, but expects to see 3 values.
|
问题解决
所以我需要进行返回时的解包,最终程序如下:
1
2
3
4
5
6
7
8
9
| def t():
img = np.zeros((240, 320, 3))
labels = [np.array((7, 10, 3, 25)), np.array((14, 20, 3, 25))]
return (img, *labels)
img, *label = py_function(t, inp=[], Tout=[tf.float32] * 3)
with tf.Session() as sess:
_img, *_label = sess.run([img, *label])
|
只要注意到一点,返回*list是可以的,但是必须要加括号保证语法!