假设我有一个张量
X = tf.placeholder("float", [None, 5])
这样我就知道列数而不是行数。我需要初始化维度nrows x 1
现在,以下代码块不起作用,
o = tf.ones(shape=(tf.shape(X)[0], 1))
==> TypeError: List of Tensors when single Tensor expected
也不,
o = tf.ones(shape=(X.get_shape()[0].value, 1))
==> TypeError: Input 'dims' of 'Fill' Op has type
string that does not match expected type of int32.
现在,我发现解决这个问题的一种方法是实际使我的矢量为占位符,
o = tf.placeholder(dtype=tf.float32, shape=[None, 1])
并在我的feed_dict
中传入适当大小的numpy数组。但是这个解决方案让我感到不优雅,而不是占位符的预期用途。我可能在这里错了,但肯定有更好的方法。
答案 0 :(得分:6)
解决问题的方法是使用tf.pack操作:
o = tf.ones(shape=tf.pack([tf.shape(X)[0], 1]))
您遇到错误的原因是TensorFlow形状应该是整数列表或张量link。 tf.pack可以很容易地将整数列表和/或TensorFlow标量转换为Tensor对象。
答案 1 :(得分:0)
另一种不那么优雅的方式是
0 * tf.identity(X) + 1