下面是我传递给 keras Lambda 层的函数。
tf.cond()
的输出出现问题。它返回 <unknown>
的形状。输入张量 (t) 和恒权张量分别具有 (None,6)
和 (6,)
的形状。当我在 tf.cond()
之外添加这两个时,我会得到一个形状为 (None,6)
的张量,这正是我需要的。但是,当从 tf.cond()
内返回相同的添加操作时,我得到形状为 <unknown>
的张量。
当此操作通过 tf.cond()
时会发生什么变化。
def class_segmentation(t):
class_segments = tf.constant([0,0,1,1,2,2])
a = tf.math.segment_mean(t, class_segments, name=None)
b = tf.math.argmax(a)
left_weights = tf.constant([1.0,1.0,0.0,0.0,0.0,0.0])
middle_weights = tf.constant([0.0,0.0,1.0,1.0,0.0,0.0])
right_weights = tf.constant([0.0,0.0,0.0,0.0,1.0,1.0])
zero_weights = tf.constant([0.0,0.0,0.0,0.0,0.0,0.0])
c = tf.cond(tf.math.equal(b,0), lambda: tf.math.add(t, left_weights), lambda: zero_weights)
d = tf.cond(tf.math.equal(b,1), lambda: tf.math.add(t, middle_weights ), lambda: zero_weights)
e = tf.cond(tf.math.equal(b,2), lambda: tf.math.add(t, right_weights), lambda: zero_weights)
f = tf.math.add_n([c,d,e])
print("Tensor shape: ", f.shape) # returns "Unknown"
return f
答案 0 :(得分:0)
您的代码存在一些问题。
tf.math.segment_mean()
期望 class_segments
与输入 t
的第一个维度具有相同的形状。因此 None
必须等于 6
才能运行您的代码。这很可能是导致您获得 unknown 形状的原因 - 因为张量的形状取决于 None
,而 a = tf.math.segment_mean(tf.transpose(t), class_segments)
是在运行时确定的。您可以为要运行的代码应用转换(不确定这是否是您要实现的目标),例如。true_fn
tf.cond()
中,false_fn
和 true_fn
必须返回相同形状的张量。在您的情况下,(None, 6)
返回 false_fn
,因为 broadcasting 和 (6,)
返回形状为 b = tf.math.argmax(tf.math.segment_mean(tf.transpose(t), class_segments), 0)
的张量。tf.cond()
中的谓词必须降为 0 级。例如,如果您要申请
b
那么 (None)
的形状将是 pred
并且 tf.cond()
中的谓词 (uiop:native-namestring "~/Music/[Video] performance.mp4")
==>
The pathname #P"~/Music/[Video] performance.mp4"
does not have a native namestring because
of the :NAME component #<SB-IMPL::PATTERN (:CHARACTER-SET
. "Video")
" performance">.
[Condition of type SB-KERNEL:NO-NATIVE-NAMESTRING-ERROR]
将是 broadcasted 到相同的形状(这将引发错误)。< /li>
如果不知道您想要获得进一步的帮助是不可能的。