我定义了这些符号占位符：

t_im0 = tf.placeholder(tf.float32, [1, None, None, 3])t_im1 = tf.placeholder(tf.float32, [1, None, None, 3])t_mask = tf.placeholder(tf.float32, [1, None, None, 1])

之后，我想优化我的图像值。

for obj in images:    sess.run(optimizer, feed_dict={t_im0: obj.l_img, t_im1.eval(): obj.r_img.eval(), t_mask: obj.mask.eval()})

当我执行优化代码时，得到以下错误：

InvalidArgumentError (see above for traceback): Shape [1,-1,-1,3] has negative dimensions [[Node: Placeholder_1 = Placeholder[dtype=DT_FLOAT, shape=[1,?,?,3], _device="/job:localhost/replica:0/task:0/gpu:0"]()]]

我的问题是我的图像具有不同的形状。我如何在不调整磁盘上所有图像大小的情况下加载它们？

回答：

我的声望不足以直接评论你的问题，所以我在这里分享我的想法。

我假设你正在尝试训练一个卷积神经网络。问题在于，CNN不接受可变的输入大小。也许这个答案可以帮助你理解这个问题。