Question

我正在通过[64,240] tf.array。我想重塑一下[64,10,24] tf.array。我尝试了各种不同的方法，但我总是得到同样的错误。

...提高ValueError（“形状％s必须具有等级％d”％（自我，等级）） ValueError：Shape（64,240）必须具有等级1

代码失败于： self.x_expand [i] = tf.reshape（self.input_x [i]，[num_classes，data_size]）

我想我犯了一个基本错误，希望有人可以指出它是什么......

代码的一个更大的片段是：

类CNN（对象）：

def __init__(
  self, sequence_length, num_classes, data_size,
  filter_sizes, num_filters, l2_reg_lambda=0.0, batch_size=64):

    # Placeholders for input, output and dropout
    self.input_x = tf.placeholder(tf.int32, [batch_size, sequence_length], name="input_x")
    self.input_y = tf.placeholder(tf.float32, [batch_size, num_classes], name="input_y")
    self.dropout_keep_prob = tf.placeholder(tf.float32, name="dropout_keep_prob")

    with tf.device('/cpu:0'), tf.name_scope("reshaping"):
        self.x_expand = tf.placeholder(tf.int32, [batch_size, num_classes,data_size], name="expand_x")
        for i in range(batch_size):
            self.x_expand[i] = tf.reshape(self.input_x[i],[num_classes,data_size]) 
        self.x_expanded = tf.expand_dims(self.x_expanded, -1)

Answer 1

您似乎希望self.x_expand成为重塑的输入我认为以下内容可能更合适：

with tf.device('/cpu:0'), tf.name_scope("reshaping"):
    self.x_expand = tf.reshape(self.input_x, [batch_size, num_classes, data_size])

有两点需要注意：

tf.placeholder未使用self.x_expand。占位符用于提供来自用户的输入，但在这里看起来你真正想要的是重塑现有的提要
没有改变每个元素的形状，而是通过一次操作。

注意：我无法重现您看到的错误消息，可能是因为我们使用了不同版本的TensorFlow，并且最近版本中的错误消息报告发生了变化。我使用的是1.0.0。

Answer 2

我认为你应该尝试：

＆＃13;

self.x_expand = tf.reshape(self.input_x, [batch_size, num_classes,data_size]

＆＃13;

在TF中重塑数组的问题

2 个答案: