Question

我有一个custom layer，在此自定义图层的一行中，我确实这样：

out = tf.Variable(tf.zeros(shape=tf.shape(tf_a1), dtype=tf.float32))

运行代码时，我收到此错误：

ValueError：initial_value必须具有指定的形状： Tensor（“ lambda_1 / zeros_2：0”，shape =（?, 20），dtype = float32）

我搜索了一下，发现可以使用validate_shape=False

所以我将代码更改为：

out = tf.Variable(tf.zeros(shape=tf.shape(tf_a1), dtype=tf.float32), validate_shape=False)

然后引发此错误：

ValueError：输入0与层转发器不兼容：预期 ndim = 2，找到的ndim = None

更新1

当我尝试这个时：

out = tf.Variable(tf.zeros_like(tf_a1, dtype=tf.float32))

它再次引发错误：

initial_value必须具有指定的形状： Tensor（“ lambda_1 / zeros_like：0”，shape =（?, 20），dtype = float32）

此外，当我像这样明确给出它时：

out = tf.Variable(tf.zeros(shape=(BATCH_SIZE, LATENT_SIZE), dtype=tf.float32))

它会引发此错误：

ValueError：操作具有None用于渐变。请确定您所有的操作都定义了渐变（即可区分的）。不带渐变的常见操作：K.argmax，K.round，埃瓦尔。

以防万一，该模型可以帮助您找出错误的来源：

这是lambda层，其中只需稍微改变一下矩阵即可：

def score_cooccurance(tf_a1):
    N = tf.shape(tf_a1)[0]
    n = 2
    input_tf = tf.concat([tf_a1, tf.zeros((1, tf_a1.shape[1]), tf_a1.dtype)], axis=0)
    tf_a2 = tf.sort(sent_wids, axis=1)
    first_col_change = tf.zeros([tf_a2.shape[0], 1], dtype=tf.int32)
    last_cols_change = tf.cast(tf.equal(tf_a2[:, 1:], tf_a2[:, :-1]), tf.int32)
    change_bool = tf.concat([first_col_change, last_cols_change], axis=-1)
    not_change_bool = 1 - change_bool
    tf_a2_changed = tf_a2 * not_change_bool + change_bool * N #here

    idx = tf.where(tf.count_nonzero(tf.gather(input_tf, tf_a2_changed, axis=0), axis=1) >= n)
    y, x = idx[:, 0], idx[:, 1]
    rows_tf = tf.gather(tf_a2, y, axis=0)

    columns_tf = tf.cast(x[:, None], tf.int32)

    out = tf.Variable(tf.zeros(shape=(BATCH_SIZE, LATENT_SIZE), dtype=tf.float32))

    rows_tf = tf.reshape(rows_tf, shape=[-1, 1])

    columns_tf = tf.reshape(
        tf.tile(columns_tf, multiples=[1, tf.shape(tf_a2)[1]]),
        shape=[-1, 1])

    sparse_indices = tf.reshape(
        tf.concat([rows_tf, columns_tf], axis=-1),
        shape=[-1, 2])
    v = tf.gather_nd(input_tf, sparse_indices)
    v = tf.reshape(v, [-1, tf.shape(tf_a2)[1]])

    scatter = tf.scatter_nd_update(out, tf.cast(sparse_indices, tf.int32), tf.reshape(v, shape=[-1]))
    return scatter

实际上，当我打印出out的形状时，它也会打印出<unknown>。

任何想法或技巧如何解决？

我正在使用tensorflow 1.13.

感谢您的帮助：）

Answer 1

因此，在我的情况下，解决方法是删除tf.variable和仅有的tf.zeros。在这种情况下，tf.scater_nd_update会引发错误，因为它无法应用于tensors。

似乎有tensor_scatter_nd_update我以前不知道。因此我也更改了该行，现在代码可以正常工作，尽管我没有得到错误的主要原因。我只是将其更改为这种方式，以使其成功运行。

out = tf.zeros(shape=tf.shape(tf_a1), dtype=tf.float32)
scatter = tf.tensor_scatter_update(out, tf.cast(sparse_indices, tf.int32), tf.reshape(v, shape=[-1]))

感谢@Daniel Moller指出了可训练变量的概念...：）

如何在keras中使用batch_size时识别张量的形状（initial_value必须具有指定的形状）

1 个答案: