Tensorflow Concat错误：形状不匹配

Question

我目前有一个网络，我从一个16 x 16 x 2的输入张量开始，我执行一些卷积和池化操作，并将其减少到这样声明的张量：

 x1 = tf.Variable(tf.constant(1.0, shape=[32]))

然后张量在输出类别之前经过几层矩阵乘法和relus。

我想做的是通过在上面的向量中添加另外10个参数来扩展卷积阶段的输出。

我有一个占位符，其中加载了数据，其定义如下：

 x2 = tf.placeholder(tf.float32, [None,10])

我正在尝试将这些变量连接在一起，如下所示：

xnew = tf.concat(0,[x1,x2])

我收到以下错误消息：

ValueError: Shapes (32,) and (10,) are not compatible

我确信有一些简单的事我做错了，但我看不到它。

Answer 1

x1和x2分别有不同的等级，1和2，所以concat失败并不奇怪。这是一个适合我的例子：

x1 = tf.Variable(tf.constant(1.0, shape=[32]))
# create a placeholder that will hold another 10 parameters
x2 = tf.placeholder(tf.float32, shape=[10])
# concatenate x1 and x2
xnew = tf.concat(0, [x1, x2])
init = tf.initialize_all_variables()
with tf.Session() as sess:
    sess.run(init)
    _xnew = sess.run([xnew], feed_dict={x2: range(10)})

Answer 2

原因很可能是 tensorflow版本。

从tensorflow最新的官方api，tf.conat被定义为

tf.concat

的concat（     值     轴，     命名= '的concat' ）

因此，更好的方法是通过键值调用此函数。 我尝试了以下代码，没有错误。

 xnew = tf.concat(axis=0, values=[x1, x2])

----------------------------------------------- ---

复制官方api说明如下。

tf.concat CONCAT（     值     轴，     命名= '的concat' ）

在tensorflow / python / ops / array_ops.py中定义。

参见指南：Tensor Transformations＆gt;切片和加入

沿一个维度连接张量。

沿尺寸轴连接张量值列表。如果值[i] .shape = [D0，D1，... Daxis（i），... Dn]，则连接结果具有形状

[D0，D1，...... Raxis，... Dn] 其中

Raxis = sum（Da​​xis（i）） 也就是说，来自输入张量的数据沿着轴维度连接。

输入张量的尺寸必须匹配，除轴外的所有尺寸必须相等。

例如：

t1 = [[1, 2, 3], [4, 5, 6]]
t2 = [[7, 8, 9], [10, 11, 12]]
tf.concat([t1, t2], 0) ==> [[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]]
tf.concat([t1, t2], 1) ==> [[1, 2, 3, 7, 8, 9], [4, 5, 6, 10, 11, 12]]

# tensor t3 with shape [2, 3]
# tensor t4 with shape [2, 3]
tf.shape(tf.concat([t3, t4], 0)) ==> [4, 3]
tf.shape(tf.concat([t3, t4], 1)) ==> [2, 6]

Answer 3

我真的不明白你为什么在占位符的形状中有None。如果你删除它，它应该工作