我已经使用tf.extract_image_patches()来获取图像中的重叠贴片张量，如this链接中所述。上述链接中的答案建议使用tf.space_to_depth()从重叠的补丁中重建图像。但问题是，这并没有给出我想要的结果，在研究时我才知道tf.space_to_depth()没有处理重叠的块。我的代码如下：
import tensorflow as tf
import numpy as np
c = 3
height = 3900
width = 6000
ksizes = [1, 150, 150, 1]
strides = [1, 75, 75, 1]
image = #image of shape [1, height, width, 3]
patches = tf.extract_image_patches(image, ksizes = ksizes, strides= strides, [1, 1, 1, 1], 'VALID')
patches = tf.reshape(patches, [-1, 150, 150, 3])
reconstructed = tf.reshape(patches, [1, height, width, 3])
rec_new = tf.space_to_depth(reconstructed,75)
rec_new = tf.reshape(rec_new,[height,width,3])
这给了我错误：
InvalidArgumentError Traceback（最近一次调用最后一次）D：\ AnacondaIDE \ lib \ site-packages \ tensorflow \ python \ framework \ common_shapes.py in _call_cpp_shape_fn_impl（op，input_tensors_needed，input_tensors_as_shapes_needed，require_shape_fn）653 graph_def_version，node_def_str，input_shapes，input_tensors， - > 654 input_tensors_as_shapes，status）655除了errors.InvalidArgumentError为错误：
D：\ AnacondaIDE \ lib \ contextlib.py在退出（自我，类型，值，追溯）87尝试：---> 88 next（self.gen）89除了StopIteration：
D：\ AnacondaIDE \ lib \ site-packages \ tensorflow \ python \ framework \ errors_impl.py in raise_exception_on_not_ok_status（）465 compat.as_text（pywrap_tensorflow.TF_Message（status））， - > 466 pywrap_tensorflow.TF_GetCode（status））467 finally ：
InvalidArgumentError：尺寸大小必须可被70200000整除，但对于'Reshape_22'（op：'Reshape'）是271957500，输入形状为：[4029,150,150,3]，[4]并且输入张量计算为部分形状：input1 = [？，3900,6000,3]。
在处理上述异常期间，发生了另一个异常：
ValueError Traceback（最近一次调用last）in（）----> 1 reconstructed = tf.reshape（features，[ - 1，height，width，channel]）2 rec_new = tf.space_to_depth（reconstructed，75）3 rec_new = tf.reshape（rec_new，[H，H，C]）
重新整形（张量，形状，名称）中的D：\ AnacondaIDE \ lib \ site-packages \ tensorflow \ python \ ops \ gen_array_ops.py 2617“”“2618 result = _op_def_lib.apply_op（”Reshape“，tensor = tensor，shape =形状， - > 2619 name = name）2620返回结果2621
apply：op中的D：\ AnacondaIDE \ lib \ site-packages \ tensorflow \ python \ framework \ op_def_library.py（self，op_type_name，name，** keywords）765 op = g.create_op（op_type_name，inputs，output_types，name = scope， 766 input_types = input_types，attrs = attr_protos， - > 767 op_def = op_def）768 if output_structure：769 outputs = op.outputs
D：\ AnacondaIDE \ lib \ site-packages \ tensorflow \ python \ framework \ ops.py in create_op（self，op_type，inputs，dtypes，input_types，name，attrs，op_def，compute_shapes，compute_device）2630 original_op = self._default_original_op，op_def = op_def）2631 if compute_shapes： - > 2632 set_shapes_for_outputs（ret）2633 self._add_op（ret）2634 self._record_op_seen_by_control_dependencies（RET）
D：\ AnacondaIDE \ lib \ site-packages \ tensorflow \ python \ framework \ ops.py in set_shapes_for_outputs（op）1909 shape_func = _call_cpp_shape_fn_and_require_op 1910 - > 1911 shapes = shape_func（op）1912如果形状为无：1913引发RuntimeError（
call_with_requiring（op）中的D：\ AnacondaIDE \ lib \ site-packages \ tensorflow \ python \ framework \ _acs.py 1859 1860 def call_with_requiring（op）： - > 1861 return call_cpp_shape_fn（op，require_shape_fn = True）1862 1863 _call_cpp_shape_fn_and_require_op = call_with_requiring
调用call_cpp_shape_fn中的D：\ AnacondaIDE \ lib \ site-packages \ tensorflow \ python \ framework \ common_shapes.py（op，require_shape_fn）593 res = _call_cpp_shape_fn_impl（op，input_tensors_needed，594 input_tensors_as_shapes_needed， - > 595 require_shape_fn）596 if is is isinstance（ res，dict）：597＃处理_call_cpp_shape_fn_impl调用unknown_shape（op）的情况。
_call_cpp_shape_fn_impl中的D：\ AnacondaIDE \ lib \ site-packages \ tensorflow \ python \ framework \ common_shapes.py（op，input_tensors_needed，input_tensors_as_shapes_needed，require_shape_fn）657 missing_shape_fn = True 658 else： - > 659 raise ValueError（err.message）660 661 if missing_shape_fn：
ValueError：尺寸大小必须可被70200000整除，但对于具有输入形状的'Reshape_22'（op：'Reshape'）是271957500：[4029,150,150,3]，[4]并且输入张量计算为部分形状：input1 = [？，3900,6000,3]。
我知道这是由于不兼容的尺寸造成的错误，但它应该是这样的，对吗？请帮我解决这个问题。
我想问题是，在你发布的链接中，作者使用strides和ksizes的相同值，而你使用的strides等于ksizes的一半。这就是为什么尺寸不匹配的原因，你应该在粘合它们之前编写减小补丁大小的逻辑（例如通过选择每个补丁的中心方块）。