我需要一种方法来获取TensorFlow中任何类型的层(即Dense,Conv2D等)的输出张量的形状。根据文档,有output_shape
属性可以解决此问题。但是,每次访问它都会得到AttributedError
。
以下是显示问题的代码示例:
import numpy as np
import tensorflow as tf
x = np.arange(0, 8, dtype=np.float32).reshape((1, 8))
x = tf.constant(value=x, dtype=tf.float32, verify_shape=True)
dense = tf.layers.Dense(units=2)
out = dense(x)
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
res = sess.run(fetches=out)
print(res)
print(dense.output_shape)
print(dense.output_shape)
语句将产生错误消息:
AttributeError: The layer has never been called and thus has no defined output shape.
或print(dense.output)
将产生:
AttributeError('Layer ' + self.name + ' has no inbound nodes.')
AttributeError: Layer dense_1 has no inbound nodes.
有什么办法可以解决该错误?
PS:
我知道在上面的示例中,我可以通过out.get_shape()
获得输出张量的形状。但是我想知道为什么output_shape
属性不起作用以及如何解决?
答案 0 :(得分:3)
如何解决?定义输入层:
x = tf.keras.layers.Input(tensor=tf.ones(shape=(1, 8)))
dense = tf.layers.Dense(units=2)
out = dense(x)
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
res = sess.run(fetches=out)
print(dense.output_shape) # shape = (1, 2)
对Keras documentation的协定,如果层具有单个节点,则可以通过以下方式获取其输入张量,输出张量,输入形状和输出形状:
但是在上面的示例中,当我们调用layer.output_shape
或其他属性时,它将引发似乎有些奇怪的异常。
如果我们深入研究source code,则该错误由入站节点引起。
if not self._inbound_nodes:
raise AttributeError('The layer has never been called '
'and thus has no defined output shape.')
这些inbound nodes是什么?
节点描述了两层之间的连通性。每次将图层连接到一些新输入时, 将一个节点添加到 layer._inbound_nodes 。 每当一个层的输出被另一个层使用时, 将节点添加到 layer._outbound_nodes 。
如上所示,当self._inbounds_nodes
为None时,它将引发异常。这意味着,当一层未连接到输入层或更普遍时,先前的所有层都未连接到输入层,self._inbounds_nodes
为空,这导致了问题。
请注意,示例中的x
是张量而不是输入层。请参阅另一个示例以获取更多说明:
x = tf.keras.layers.Input(shape=(8,))
dense = tf.layers.Dense(units=2)
out = dense(x)
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
res = sess.run(fetches=out, feed_dict={x: np.ones(shape=(1, 8))})
print(res)
print(res.shape) # shape = (1,2)
print(dense.output_shape) # shape = (None,2)
这很好,因为定义了输入层。
请注意,在您的示例中,out
是张量。 tf.shape()
函数和.shape
=(get_shape()
)之间的区别是:
tf.shape(x)
返回表示动态的一维整数张量 x的形状。动态形状只有在图形执行时才能知道。
x.shape
返回代表静态的Python元组 x的形状。在图形定义时已知的静态形状。
在以下位置了解有关张量形状的更多信息:https://pgaleone.eu/tensorflow/2018/07/28/understanding-tensorflow-tensors-shape-static-dynamic/