Question

我正在从python使用Tensorflow。我要连接两个张量（也可以是另一种操作，我认为确切的操作对此问题无关）。这些张量的形状定义为（N1！= N2是正整数）：

a: (None, N1)
b: (1   , N2)

由于我将沿着最后一个轴并置，因此似乎可以执行此操作。但是tensorflow反驳。代码

from tensorflow import keras
from tensorflow.keras import layers

N1 = 2
N2 = 3
D1 = None

a = keras.Input(shape=(D1, N1))
b = keras.Input(shape=(1, N2))

c = layers.Concatenate(axis=-1)([a, b])

失败

ValueError: A `Concatenate` layer requires inputs with matching shapes except for the concat axis. Got inputs shapes: [(None, None, 2), (None, 1, 3)]

我最接近完成这项工作的方法是使用RepeatVector，如下所示，但不幸的是，这仅适用于静态尺寸，不适用于动态尺寸：

N1 = 2
N2 = 3
D1 = 7

a = keras.Input(shape=(D1, N1))
b = keras.Input(shape=(N2))
b_repeated = layers.RepeatVector(D1)(b)

c = layers.Concatenate()([a, b_repeated])

任何有关如何连接None尺寸的建议-即正确广播或重复-

Answer 1

这是使用lambda层实现此目的的一种方法：

import keras
from keras import layers
import keras.backend as K

N1 = 2
N2 = 3
D1 = None

a = keras.Input(shape=(D1, N1))
b = keras.Input(shape=(N2,))
c = layers.Lambda(lambda ab: K.concatenate([ab[0], K.repeat(ab[1], K.shape(ab[0])[1])],
                                           axis=-1))([a, b])
print(c)
# Tensor("lambda_1/concat:0", shape=(?, ?, 5), dtype=float32)

Tensorflow中的广播动态尺寸

1 个答案: