在张量流操作中使用具有动态形状的张量形状

有没有办法在tensorflow操作中使用具有动态形状的张量形状，而无需在会话中对其进行评估？例如，考虑以下因素：在张量流操作中使用具有动态形状的张量形状

activation = tf.nn.relu(conv_plus_b, name=scope.name) #has shape [None, None, 700,1] 
conv_len =activation.shape[1] 
pool = tf.nn.max_pool(activation, ksize=[1,conv_len,1,1], strides=[1,1,1,1], padding='VALID')

运行这段代码引发错误：TypeError: Expected int for argument 'ksize' not Dimension(None)。

所以我的问题是：有没有任何方式使用这种动态形状来定义tensorflow操作的形状参数，而无需在会话中对其进行评估？

我发现了一个类似的问题：下面的解决方案提出了使用动态形状tensorflow进行调整操作 https://groups.google.com/a/tensorflow.org/forum/#!topic/discuss/BlguDbTxCAk ：

n = tf.shape(foo)[0] 
tf.reshape(foo, tf.pack([n, 1]))

tf.pack已被弃用。我不确定tf.stack是否可以在tf.reshape操作中工作，但在tf.nn.max_pool中使用它会抛出错误TypeError: Expected list for attr ksize

我知道形状函数有不同的变体。我已经尝试过activation.get_shape（）[1]（我听说它适用于静态形状），activation.shape [1]和tf.shape（激活）[1]。他们都抛出错误。

非常感谢您关注此事。

来源

2017-10-15 ltt

tf.nn.max_pool（）不支持动态大小，ksize需要是恒定的，而不是您可以使用tf.reduce_max（），

import tensorflow as tf 
    conv_plus_b = tf.placeholder(tf.float32, shape=[None, None, 700, 1]) 
    activation = tf.nn.relu(conv_plus_b) #has shape [None, None, 700,1] 
    # conv_len = tf.shape(conv_plus_b)[1] 
    # pool = tf.nn.max_pool(activation, ksize=[1,conv_len,1,1], strides=[1,1,1,1], padding='VALID') 
    pool = tf.reduce_max(activation, axis=1, keep_dims=True)

更多细节检查以下链接：

Tensorflow maxpool with dynamic ksize

https://github.com/tensorflow/tensorflow/issues/9394

https://github.com/tensorflow/tensorflow/issues/4746

来源

2017-10-16 10:01:25

在张量流操作中使用具有动态形状的张量形状

回答

相关问题