Question

我已经在Lambda图层中进行了一些转换，现在形状为(1,)，如何恢复为(None, 1)？

这是我的操作

def function_lambda(x):
    import keras.backend

    aux_array = keras.backend.sign(x)
    #the shape is (?, 11) here OK

    aux_array = keras.backend.relu(aux_array)
    #the shape is (?, 11) here still OK

    aux_array = keras.backend.any(aux_array)
    #the shape is () here not OK

    aux_array = keras.backend.reshape(aux_array, [-1])
    #now the shape is (1,) almost OK

    return aux_array

如何重塑None批次尺寸？

Answer 1

如果您具有完全定义的形状（如(1,)），则不需要None尺寸，因为您确切知道张量具有多少个元素。但是，您可以重塑形状，使其具有两个尺寸，以替换您的重塑形状：

aux_array = keras.backend.reshape(aux_array, [-1, 1])

这将为您提供形状为(1, 1)的数组，该数组与形状(None, 1)兼容，因此应该可以。请注意，-1中的reshape意味着“需要多少个元素来容纳这种形状的张量”，但是在这种情况下，您知道只有一个元素，因此使用方法相同：

aux_array = keras.backend.reshape(aux_array, [1, 1])

再次，因为形状是完全定义的，并且您知道每个尺寸的大小应准确。但是，使用-1很方便，因为无论您是否完全知道形状，它都可以工作，并且Keras / TensorFlow会确定尺寸大小（如果可以计算尺寸，则尺寸将具有必需的尺寸，或者{{ 1}}（如果形状的一部分未知）。

Answer 2

tf.reshape有一个局限性，即它不能用于“无”尺寸。据我所知，唯一可以定义“无”维的地方是tf.placeholder。以下应该起作用：

def function_lambda(x):
    import keras.backend

    aux_array = keras.backend.sign(x)
    #the shape is (?, 11) here OK

    aux_array = keras.backend.relu(aux_array)
    #the shape is (?, 11) here still OK

    aux_array = keras.backend.any(aux_array)
    #the shape is () here not OK

    aux_array = keras.backend.placeholder_with_default(aux_array, [None,1])
    #now the shape is (?,1) OK

    return aux_array

附加说明：在尝试使用Google机器学习引擎时，创建新的占位符以重新引入“无”维度非常有用。 MLE要求第一维（批次）始终保持“无”或未知。

如何将None维度添加回Tensor？

2 个答案: