在没有中出错张量零点（）和张量形状（）作为arg

Question

我试着做一个T.zeros()的简单操作，把两个向量的形状之差作为Theano中的一个参数。你知道吗

像这样：

import theano as theano
import theano.tensor as T

x1 = T.ivector('x1')
x2 = T.ivector('x2')
shape_sub = T.sub(T.shape(x1),T.shape(x2))

zeros = T.zeros(shape_sub)

f = theano.function([x1, x2], zeros)        

但我得到一个值错误

ValueError: length not known: Elemwise{sub,no_inplace} [id A] ''   
|Shape [id B] ''   
| |x1 [id C]
|Shape [id D] ''   
  |x2 [id E]

这可能是因为T.zeros（）的参数必须是包含形状的元组或列表，而不是包含减去的形状的ivector tensorType，后者是shape\u sub的输出。那么我该如何实现这段代码呢？我不能在这里使用T.zeros_like()，因为它把整个张量作为输入，而不是它的形状。你知道吗

解决这个问题的唯一方法是使用shape\u sub的值的共享变量，对其求值，然后将其馈送给T.zeros()函数，但这似乎不是很有效。你知道吗

Answer 1

这个问题的核心是，在编译时：

• Theano必须知道张量秩。你知道吗
• 西亚诺对张量形状中的确切数字一无所知。[1]

我认为这是一个缺陷，与张量流中的静态张量形状相反。你知道吗

在代码中，no知道shape_sub是一个向量，但不知道向量的长度。因此它不能确定zeros调用的等级。（实际上它应该知道，但是它只是因为内部缺陷而忘记了）

使用此代码可以得到相同的错误：

shp = T.ivector()
zs = T.zeros(shp)

一种可能的解决方案是硬编码：

x1_shp = T.shape(x1)
x2_shp = T.shape(x2)
assert x1.ndim == x2.ndim
zeros = T.zeros([x1_shp[i] - x2_shp[i] for i in range(x1.ndim)])

---

[1]实际上Theano知道广播维度，因此可以判断形状中的哪些轴具有大小1，但仅此而已。你知道吗