tf.eye的参数batch_shape取决于占位符变量的形状

Question

我的最终目标是通过将默认协方差乘以0.01来使其更小。为此，我决定创建一个简单的协方差（恒等矩阵），然后将该矩阵乘以0.01，最后将其提供给tf.contrib.distributions.MultivariateNormalFullCovariance函数。问题是，当我事先不知道形状时，无法初始化参数batch_shape。我该如何解决？

我有以下代码：

    self.state_in= tf.placeholder(shape=[None,s_size],dtype=tf.float32)
    self.hidden = slim.fully_connected(self.state_in,h_size,biases_initializer=None,activation_fn=tf.nn.relu)
    self.output = slim.fully_connected(self.hidden,a_size,activation_fn=None,biases_initializer=None)
    mean= self.output
    cov =tf.eye(4,batch_shape=[mean.shape[0]])
    normal = tf.contrib.distributions.MultivariateNormalFullCovariance(
             loc=mean,
             covariance_matrix=cov*0.01)  

这是失败的行：cov =tf.eye(4,batch_shape=[mean.shape[0]])

  

TypeError： int 返回了非int（类型NoneType）

谢谢。

Answer 1

答案：省略batch_shape=[mean.shape[0]] tf.contrib.distributions.MultivariateNormalFullCovariance足够聪明，可以批量处理。

我打算删除此问题，但也许有人会觉得有用。

谢谢。