可變大小

tensorflow恆定我有一個變量批量大小，所以我所有的投入都是形式可變大小

tf.placeholder(tf.float32, shape=(None, ...)

的接受變量批量。但是，如何創建具有可變批量大小的常量值？問題是這一行：

log_probs = tf.constant(0.0, dtype=tf.float32, shape=[None, 1])

這是給我一個錯誤：

TypeError: unsupported operand type(s) for *: 'NoneType' and 'int'

我敢肯定，這是可以初始化一個常數張量可變批量大小，怎麼可能我這樣做？

我也試過如下：

tf.constant(0.0, dtype=tf.float32, shape=[-1, 1])

我得到這個錯誤：

ValueError: Too many elements provided. Needed at most -1, but received 1

來源

2016-03-07 Evan Pu

你不能 - 「tf.constant」顯式構造數組，因此它需要知道尺寸。然而，許多張量流操作支持廣播，所以也許你可以使用它呢？ http://docs.scipy.org/doc/numpy-1.10.1/user/basics.broadcasting.html –

一個tf.constant()已經固定在圖施工時間規模和價值，所以它可能是不正確操作您的應用程序。

如果您嘗試爲每個元素創建一個動態大小和相同（常數）值的張量，可以使用tf.fill()和tf.shape()創建一個適當形狀的張量。例如，創建一個張量t具有相同的形狀input和值0.5無處不在：

input = tf.placeholder(tf.float32, shape=(None, ...)) 

# `tf.shape(input)` takes the dynamic shape of `input`. 
t = tf.fill(tf.shape(input), 0.5)

由於Yaroslav mentions in his comment，您可能還可以使用(NumPy-style) broadcasting避免物化動態形狀的張量。例如，如果input具有形狀(None, 32)和t具有形狀(1, 32)，則計算tf.mul(input, t)將在第一維上廣播t以匹配input的形狀。

來源

2016-03-07 22:17:27 mrry

如果我想讓形狀依賴於批量大小該怎麼辦？假設我有一個形狀爲'（batch_size，height，width，num_channels）'的輸入張量，其中batch_size是None。我想創建一個填充值爲'height'的形狀張量'（batch_size）'。 –

您可以使用相同的方法：'height_vector = tf.fill（tf.shape（input_tensor）[0：1]，tf.shape（input_tensor）[1]）''。 – mrry

回答

相關問題