TensorFlow使用向量连接一个可变大小的占位符

Question

我们说我有占位符

ph_input = tf.placeholder(dtype=tf.int32, [None, 1])

和矢量

h = tf.zeros([1,2], dtype=tf.int32)

在这个示例中，为了简单起见，h填充了零，但在实际情况下，它将被其他变量更改并具有不同的值。

我希望在维度concat上ph_input和h上高效1，并获得形状为[None, 1+2]的新张量。不幸的是，concat需要所有输入张量具有相同的形状，但concat_dim除外，我的例子不符合这个形状。

我正在考虑将h扩展为与ph_input提供的数据相同的形状，但我不确定如何使用占位符本身。如果我直接从输入数据中获取形状，那么我想没有必要使用占位符。

Answer 1

最常见的解决方案是使用tf.shape()操作来获取占位符的运行时大小，并使用tf.tile()操作将h扩展为适当的大小：

ph_input = tf.placeholder(dtype=tf.int32, shape=[None, 1])
h = tf.zeros([1, 2], dtype=tf.int32)  # ...or some other tensor of shape [1, 2]

# Get the number of rows in the fed value at run-time.
ph_num_rows = tf.shape(ph_input)[0]

# Makes a `ph_num_rows x 2` matrix, by tiling `h` along the row dimension.
h_tiled = tf.tile(h, tf.pack([ph_num_rows, 1]))

result = tf.concat(1, [ph_input, h_tiled])