tf.layers.Dense之后的张量形状？

Question

我正在制作解决回归问题的DNN。

首先，我加载一个预先训练好的VGG16网络，而不是制作一些完全连接的隐藏层。最后一层有一个输出标量的节点。

我认为输出的形状类似于[batch_size]或[batch_size，1]。

但是当我打电话时......

...

fc5 = tf.layers.dense(inputs=fc4, units=1)

print(tf.shape(fc5))
print(fc5.get_shape())

......我明白了：

＆GT;张量（“形状：0”，形状=（4，），dtype = int32）

＆GT; （？，？，？，1）

有人可以解释一下吗？为什么形状具有前三个维度，tf.layers.dense不应该将其设为标量或标量列表？

修改

vgg_layer7_out形状：

＆GT;张量（“形状：0”，形状=（4，），dtype = int32）

＆GT; （？，？，？，4096）

fc1形状：

＆GT;张量（“形状：0”，形状=（4，），dtype = int32）

＆GT; （？，？，？，1024）

...

fc4形状：

＆GT;张量（“形状：0”，形状=（4，），dtype = int32）

＆GT; （？，？，？，10）

fc图层代码：

fc1 = tf.layers.dense(inputs=vgg_layer7_out, units=1024, activation=tf.nn.elu, bias_initializer=init, kernel_initializer=init, kernel_regularizer=reg, bias_regularizer=reg)

drop1 = tf.nn.dropout(fc1, keep_prob)

fc2 = tf.contrib.layers.fully_connected(drop1, 128, activation_fn=tf.nn.elu, weights_initializer=init, weights_regularizer=reg)

drop2 = tf.nn.dropout(fc2, keep_prob)

fc3 = tf.contrib.layers.fully_connected(drop2, 50, activation_fn=tf.nn.elu, weights_initializer=init, weights_regularizer=reg)

drop3 = tf.nn.dropout(fc3, keep_prob)

fc4 = tf.contrib.layers.fully_connected(drop3, 10, activation_fn=tf.nn.elu, weights_initializer=init, weights_regularizer=reg)

drop2 = tf.nn.dropout(fc4, keep_prob)

fc5 = tf.layers.dense(inputs=drop2, units=1, activation=None)

Answer 1

正如Dimitiry所说，我忘了把它弄平......你也可以在调用lost func laster之前使用tf.squeeze函数。