我做了很多搜索，然后尝试，但是没有找到下一个问题的解决方案：
我正在研究神经网络模型以测试句子的分类。这些句子以[rows, words_encoded_by_word2vec]格式表示。第一个网络-完全连接完成。在第二个模型中，我试图在密集层之前添加一个conv1d和一个max_pool1d层。这些层需要[batch_size, length, channel]格式的张量。好。这不是问题，已经解决了。 /我只有1个频道/
但是，由于未知的batch_size，很难在完全连接的层和最大池层之间建立连接。
self.X = tf.placeholder(tf.float32, shape=(None, self.n_inputs, 1), name="input")
self.convolution = tf.nn.conv1d(self.X, self.filter, stride=50, adding="SAME")
self.max_pool = tf.layers.max_pooling1d(self.convolution, pool_size=2, strides=1, padding="SAME")
self.tensor_vector = tf.reshape(tensor=self.max_pool, shape=(-1, tf.shape(self.max_pool)[1]*tf.shape(self.max_pool)[2]))
这有效，但是密集层不接受它，并给出错误：
ValueError: The last dimension of the inputs to `Dense` should be defined. Found `None`.
特定的致密层：
hiddens.append(dropout(fully_connected(self.tensor_vector, layers[0], scope="hidden0",weights_initializer=tf.contrib.layers.xavier_initializer(),biases_initializer=tf.random_uniform_initializer(-0.1,0.1)), self.keep_prob, is_training=self.is_training))
是否有可能调和这两种格式？任何帮助将不胜感激：）
坦克。
答案 0 :(得分：0)
我找到了可以用于我的特定问题的答案。 tf.squeeze（）可以删除尺寸为1的尺寸（不建议使用的尺寸）。这正是我要删除的频道。这种转变对我来说很成功。
但是我认为这些形状问题在张量流开发中很普遍，因此，如果有针对这些问题的适配器，那就太好了。