TensorFlow将连续张量分配给不同形状的张量

Question

我使用concat将形状[150,1]的张量t2追加到最初形状为[150,0]的张量t1上。我想创建一个形状为[150，1]的张量（在轴上连接= 1），并用新张量覆盖t1。这里是我的代码：

t1.assign(tf.concat(1, [t1, t2])) 

我得到的错误是：

ValueError: Dimension 1 in both shapes must be equal, but are 0 and 1 

奇怪的是，我得到了同样的错误，当我设置轴= 0。不知道发生了什么;这应该是一件非常容易的事情。我怀疑它与t1的维度1为0有什么关系。有什么建议吗？提前致谢。

[编辑]

事实证明，这个问题是用 “分配”，因为我设定值T1（形状（150，0））到CONCAT结果（形状（150，1）），其正在让我的TF尖叫（理所当然）。任何方式在这个？

为了提供更多的上下文，t1是一个张量，我用它来存储从展开seq2seq RNN产生的logit t2，其中输出序列具有未知长度。所以t1的大小将随着每次展开而在维度1中增加。

Answer 1

使用reshape：

t1 = tf.placeholder(tf.float32,[150,1]) 
t2 = tf.placeholder(tf.float32,[150])  
tf.concat(1,[t1,tf.reshape(t2,[150,1])]) 

输出：

<tf.Tensor 'concat_2:0' shape=(150, 2) dtype=float32> 

Answer 2

问题是与tf.assign形状更新有关。您可以将validate_shape设置为False。这将删除tf.assign上的错误，但会因为形状不会更新而生成不良行为。

这是一个TensorFlow的bug并有一个GitHub的与它等待的r这里执行相关的问题：https://github.com/tensorflow/tensorflow/issues/5492