Question

我正在尝试构建一个具有可变批量大小，可变整形和可变重量形状的图形。我正在使用tensorflow 1.3.0。

使用下面的代码， tf.get_variable 会抛出 TypeError：int（）参数必须是字符串或数字，而不是'Tensor'。 pool2 在代码中的其他位置定义。

# declare placeholder for variable batch size
images_ph = tf.placeholder(tf.float32, shape=[None, 64, 64, 1])
# code for 2 layers of convolution, normalization and max pooling
# reshape to perform, one matrix multiply
reshape = tf.reshape(pool2, [tf.shape(images_ph)[0], -1])
dim = tf.shape(reshape)[1]
var = tf.get_variable('name', [dim, 384], validate_shape=False)

我还尝试用 dim 替换“正确”类型，如下所示：

dim = reshape.get_shape()[1]

dim 等于无并抛出 ValueError：必须完全定义新变量（local3 / xpto）的形状，而是（？），384）。

Answer 1

get_variable的第二个参数采用整数或字符串，但正如错误所示，您已经给它一个张量[dim, 384]。

请参阅：https://www.tensorflow.org/api_docs/python/tf/get_variable

Answer 2

tf.shape会返回一个张量，因此[dim, 384]中的 dim 是张量;这是一个需要的int。

尝试dim = reshape.get_shape().as_list()[1] #output属于int类型

Answer 3

感谢大家尝试提供帮助。

鉴于我将 pool2 的输出展平以仅执行一个matmul，解决方案是明确计算重塑的第二维的长度。这是在第1行和第2行计算的，其中第一行的 [1：] 偏移量来自变量批量大小。

我无法使用重塑形状，未指定所有尺寸。

pool2_shapes = pool2.get_shape().as_list()[1:]
pool2_features_length = reduce(lambda x, y: x*y, pool2_shapes)
reshape = tf.reshape(pool2, [tf.shape(images)[0], pool2_features_length])

Tensorflow可变批量大小，可变重塑和重量

3 个答案: