Question

我想在Tensorflow中构建一个有条件的CNN模型，但我遇到了一些麻烦。

假设有一个名为要素的矩阵，其形状为[64，？，50,1]，另一个矩阵为条件形状[64，？，1,130]。

fisrt dim是批量大小，第二个dim是指帧号（两个矩阵的这个dim中的值在每个批次中是相同的，但在不同批次中是不同的）。第三个是特征维度，最后一个暗淡是通道号。

我想连接两个矩阵，这意味着我们可以得到一个形状为[64，？，50,131]的矩阵，并在张量流中做 conv2d 。

但问题是由于第三个暗淡的差异，我不能连接这两个矩阵。然后我做了如下：

    x_shapes = x.get_shape()
    y_shapes = y.get_shape()
    return tf.concat(3, [x, y*tf.ones([x_shapes[0], x_shapes[1], x_shapes[2], y_shapes[3]])])

但它不起作用，因为第二个昏暗不知道。

我想知道有没有办法解决这个问题？

由于

Answer 1

虽然您的问题并不清楚，但在连接之前，您似乎想在第三维上广播第二个张量，其形状为[64, ?, 1, 130]，即您调用要素维度的张量。请注意，tf.concat需要匹配所有维度，但您要连接的维度除外。来自tf.concat的文档：

输入张量的尺寸必须匹配，并且全部除concat_dim之外的尺寸必须相等。

要沿着要素维度进行广播，使用tf.tile而不是像你正在做的那样乘以所有的张量要便宜得多。以下是使用tf.tile：

的方法

tf.concat(3, [x, tf.tile(y, [1, 1, x_shapes.as_list()[2], 1])])

在您的情况下，由于y的第三维是静态已知的，因此上述代码有效。如果情况并非如此，您可以将tf.tile的第二个参数形成如下：

tf.tile(y, tf.concat(0, [[1], [1], tf.shape(x)[2:3], [1]]))

如何在张量流中更改帧来生成CNN模型？

1 个答案: