Question

我正在使用Tensorflow训练多层卷积网络。我对两层没有任何问题。对于第三层，当我定义权重时，它给出了错误必须完全定义新变量的形状，但相反是（？，128）。 我看到了这个SOF link并使用了 reuse = True ，但错误仍然存在。任何帮助都会非常有帮助。

以下是我的代码：

with tf.variable_scope('local3') as scope:
    reshape = tf.reshape(pool2, shape=[batch_size, -1])
    dim = reshape.get_shape()[1].value
    weights = tf.get_variable('weights',
                              shape=[dim,128],
                              dtype=tf.float32,
                              initializer=tf.truncated_normal_initializer(stddev=0.005,dtype=tf.float32))
    biases = tf.get_variable('biases',
                             shape=[128],
                             dtype=tf.float32, 
                             initializer=tf.constant_initializer(0.1))
    local3 = tf.nn.relu(tf.matmul(reshape, weights) + biases, name=scope.name)

此处 batch_size为32 且 pool2为shape =（？，14,14,16）的张量。

注意：当我在函数中执行它时，此代码有效。为什么？

Answer 1

未完全定义权重的形状，Tensorflow变量不允许这样做。在运行会话之前无法计算dim因为它取决于pool2的形状，这在第一维上未定义。

如果pool2的实际形状为（batch_size，14,14,16），我建议您对代码进行以下更改（未经测试）：

import numpy as np

with tf.variable_scope('local3') as scope:
    dim = np.prod(pool2.get_shape()[1:]).value
    reshape = tf.reshape(pool2, shape=[-1, dim])
    weights = tf.get_variable('weights',
                              shape=[dim, 128],
                              dtype=tf.float32,
                              initializer=tf.truncated_normal_initializer(stddev=0.005,dtype=tf.float32))
    biases = tf.get_variable('biases',
                             shape=[128],
                             dtype=tf.float32, 
                             initializer=tf.constant_initializer(0.1))
    local3 = tf.nn.relu(tf.matmul(reshape, weights) + biases, name=scope.name)

dim现在 14 * 14 * 16 而不是？，因此您的权重现在具有完全定义的形状。此外，您可以在运行之间更改batch_size，而无需重建计算图，因为batch_size不再用于定义张量形状。

Answer 2

在使用tensorflow == 1.9.0时出现此类错误尝试将其升级到tensorflow == 1.11.0对我有用！

必须完全定义新变量的形状，而是（？，128）

2 个答案: