定义模型时使用动态形状的TensorFlow

Question

我有一批意见：

input = tf.placeholder(tf.float32, [NUM_SAMPLE, None, 15])

对于批处理中的每一个，我都有一个描述行之间关系的字典。它看起来像：

dic = {i:{j:rij,k:rik,...},j:{i:rij,l:rjl,...},...}

现在我要对每个样本和相应的dic做这个：

updated_sample = sample
for i in range(len(sample)):
    for j in dic[i]:
        tmp = concanate(sample[j],rij)
        updated_sample[i] += matmul(tmp,W)

其中，所有样本和行的W都相同

但是，我不能在tensorflow中使用len（sample）。似乎tf.while_loop可能是答案，但我不知道如何在这个问题上使用它。有什么建议吗

另外，在张量流中我可以这样使用字典吗

Answer 1

在tensorflow中有两个类似的len(sample)：

• tf.形状（示例）[0]
• sample.get_shape（）.as_list（）[0]

第一个tf.shape(sample)返回一个长度等于张量秩的整数张量，doing tf.shape(sample)[0]是一个具有形状()的张量，应该在tenosrflow工作流中使用

第二个sample.get_shape()返回一个Tensor.shape对象，执行sample.get_shape().as_list()将其转换为整数列表

在你的情况下，你应该使用其中的第二个

还可以考虑在numpy级别执行此计算，然后通过占位符将它们输入到图形中