Question

docArray 是一个占位符，用于构建 tensorflow 图表。图表已正确构建，但在会话中使用feed_dict提供数据时，可变动长度不会动态调整。以下是代码段。

lContext = tf.zeros((100,1), dtype=tf.float64)
rContext = tf.zeros((100,1), dtype=tf.float64)
for i in range(1, docArray.shape[1].valu):
    j = docArrayShape - 1 - i
    lContext = tf.concat([lContext,somefun1()], 1)
    rContext = tf.concat([somefun2(), rContext], 1)       
X = tf.concat([lContext, docArray, rContext], axis= 0)

当此代码用作正向传递时，docArray初始化时会出现错误 docArray = tf.placeholder（tf.float64，[100，None]）

如果我随机初始化带有随机形状的docArray，同时提供形状（100 x N）的实时docArray数据，其中N是文档中的单词数，在连接时训练时会出现错误，如lContext和docArray会有不同的形状。

样本文件的大小不固定。

在此先感谢您的帮助。

Answer 1

由于在连接期间没有提到变量的大小，因此很难估计出错的位置。但总的来说，为了进行连接，正在进行连接的张量应该在所有轴上具有相同的dtype和相同的维度，除了正在进行连接的轴。

例如，

不允许:(不同dtype）

x = tf.placeholder(tf.float32, (100, None))
y = tf.placeholder(tf.float64, (100, None))
z = tf.concat((x,y), axis = 0)

不允许:(形状为100和200不匹配）

x = tf.placeholder(tf.float32, (100, None))
y = tf.placeholder(tf.float32, (200, None))
z = tf.concat((x,y), axis = 1)

允许:(相同dtype和轴匹配）

x = tf.placeholder(tf.float32, (100, 300))
y = tf.placeholder(tf.float32, (200, 300))
z = tf.concat((x,y), axis = 0)

在上面的示例中，如果像其他示例一样使用None，它将进行编译，但在运行时，None必须表示相同的形状。

迭代Tensor流占位符

1 个答案: