Question

当我运行以下代码时：

import tensorflow as tf

pivot = tf.constant([1, 2])
my_ones = tf.ones([2, 3])
padded = tf.pad(my_ones, [[pivot[0], 0], [1,1]])
sess = tf.Session()

init_op = tf.initialize_all_variables()
sess.run(init_op)
my_ones_var = sess.run(padded)
print("my_ones, ", my_ones_var)

...我在包含tf.pad()：

的行上收到错误消息

TypeError: Expected int32, got list containing Tensors of type '_Message' instead

我该如何做到这一点？

Answer 1

TL; DR：您目前无法将张量参数定义为包含张量的列表（列表），因此您必须手动构建填充。

以下行发生此错误：

padded = tf.pad(my_ones, [[pivot[0], 0], [1,1]])

失败的原因是因为pivot[0]是tf.Tensor，tf.pad()期望第二个参数tf.Tensor，而TensorFlow当前不转换列表（列表））将tf.Tensor个对象包含在一个新的张量中。解决方法是使用tf.pack()手动构建填充张量：

paddings = tf.pack([tf.pack([pivot[0], 0]), [1, 1]])
padded = tf.pad(my_ones, paddings)

我们正在研究这种情况可能会自动发生的情况，因此您的原件可以正常工作。

编辑：现在支持自动打包（自TensorFlow 0.9起），因此以下代码现在可以使用：

padded = tf.pad(my_ones, [[pivot[0], 0], [1, 1]])

Answer 2

嗨，所有问题都归因于Keras版本。我首先尝试过没有任何成功。卸载Keras并通过pip安装。它对我有用。

我在Keras 1.0.2＆amp;解决了Keras 1.2.0

希望这会有所帮助。谢谢

Answer 3

您只需使用tf.concat

更新所有行

例如

表示= tf.concat（0，[tf.reduce_mean（tf.gather（vectors，tf.reshape（tf.where（tf.equal（assignments，c）），[1，-1]）），reduction_indices = [1]）对于范围（k）中的c]）

应改为

表示= tf.concat（[tf.reduce_mean（tf.gather（vectors，tf.reshape（tf.where（tf.equal（assignments，c）），[1，-1]）），reduction_indices = [ 1]）对于范围（k）中的c，0）

TensorFlow：“TypeError：预期int32，得到包含'_Message'类型的张量的列表”

3 个答案: