tensorflow 模型批处理参数tensor快速赋值参考

   批处理调用模型的时候，如果逐像素给tensor对象数据部分赋值的话，效率是很低的，尤其是对于一些图片数据，所以数据块直接拷贝可以大大提高效率,

   先取得数据指针：

output_tensor->flat<float>().data()；

再直接对象拷贝好了

std::copy(p, p + arrSize, imgTensorFlat + t * arrSize);

void CVMat_to_Tensor_Batch_BLOB(std::vector<Mat> imgs, Tensor* output_tensor, int input_rows, int input_cols)
{
    float *imgTensorFlat = output_tensor->flat<float>().data();
    int  arrSize  = input_rows * input_cols * 3;
    auto output = output_tensor->shaped<float, 4>({ (long long)imgs.size(), input_rows, input_cols, 3 });
    for (int t = 0; t < imgs.size(); t++)
    {
        Tensor tensorT(DT_FLOAT, TensorShape({ 1,input_rows,input_cols,3 }));
        int imgRow = imgs[t].rows;
        int imgCol = imgs[t].cols;

        float fScale = std::min(input_cols*1.0/ imgCol, input_rows*1.0/ imgRow);

        int newRow = imgRow * fScale;
        int newCol = imgCol * fScale;

        Mat oriImg;
        resize(imgs[t], oriImg, cv::Size(newCol, newRow), cv::INTER_LINEAR);
        cv::Mat tmp;
        int dw = (input_cols - newCol) / 2;
        int dh = (input_rows - newRow) / 2;
        copyMakeBorder(oriImg, tmp, dh, input_rows - newRow-dh,dw, input_cols - newCol-dw, BORDER_CONSTANT, Scalar(128.0, 128.0, 128.0));

        tmp.convertTo(tmp, CV_32FC3);
        tmp = tmp/255.0;
        float* p = tmp.ptr<float>();
        std::copy(p, p + arrSize, imgTensorFlat + t * arrSize);
    }

    return;
}

标签：tmp,rows,tensor,批处理,cols,int,input,tensorflow
来源： https://www.cnblogs.com/jjqnh/p/16189691.html