Question

我想将行占位符（例如[1, 2]）转换为列占位符，例如[[1], [2]]

y = tf.placeholder(tf.int32, shape=[None], name='target')
y = tf.reshape(y, (y.shape[0], 1))

init = tf.global_variables_initializer()
with tf.Session() as sess:
    init.run()
    print(sess.run(y, feed_dict={y:[1,2]}))

但是我收到了一个错误：

TypeError: Failed to convert object of type <class 'tuple'> to Tensor. Contents: (Dimension(None), 1). Consider casting elements to a supported type.

问题在于y.shape[0]的用法。 y的维度定义为None。我也尝试了tf.shape(y)，但效果不佳。

Answer 1

我不确定你的意思，但你不能在运行时改变tensorflow中节点的形状。因此，当目标被定义为[？]占位符时，它将保持不变。你可以做的是使用tf.expand_dims函数将其转换为新的张量（它不会是占位符！），如已经建议的那样。这意味着你仍然需要输入[？]数组，但是你可以在计算中使用重新形成的张量。 y = tf.placeholder（tf.int32，shape = [None]，name ='target'） z = tf.expand_dims（y，axis = 1）＃另一个张量使用tf.Session（）作为sess： tf.global_variables_initializer（）。运行（） print（sess.run（z，feed_dict = {y：[1,2]}））

Answer 2

使用tf.expand_dims（）

简单地将行添加到列中

y = tf.placeholder(tf.int32, shape=[None], name='target')
y = tf.expand_dims(y,axis=1)

但是，在输入数据时还有另一个问题，因为简单地向张量添加维度不会定义其形状，它只是添加一个额外的索引。这是您可以独立发布的另一个问题。

Tensorflow：我应该如何将行占位符重新整形为列占位符

2 个答案: