我正在研究一种自定义方法来对文本文档进行分类。每个文档的形状均为（None，3），其中None表示文档中标记的数量及其变量。然后每个批次将具有形状（无，无，3），其中第一个值表示batch_size。
在我的自定义层之一中，我需要创建一个大小为0的正方形矩阵，该大小等于该文档的标记数。问题是，当实例化图形时，我不知道它将是多少。实际上，每个文档的此数字可能会有所不同。
要使事情变得更加困难，此操作是K.map_fn（）的一部分，因此无法创建新的张量。如果我事先知道令牌的数量（假设所有文档的令牌数量都相同），那么K.constant就可以很好地工作。
想法？
答案 0 :(得分：1)
您正在寻找tf.zeros_like。
x = tf.placeholder(tf.float32, shape=(None, None))
z = tf.zeros_like(x) # zeros the same shape and dtype as x
答案 1 :(得分：0)
您可以使用tf.shape()轻松获得张量的形状。您还可以按如下所示将其拆分为各个维度：
batch_size, num_tokens, last_dim = tf.unstack(tf.shape(input_tensor))
然后，您可以使用以下变量创建矩阵：
tf.zeros([batch_size, num_tokens] dtype=tf.float32)