为什么tensorflow可能要指定动态维度

Question

我有一个现有的复杂模型。里面有张量x和形状（None，128，128，3）。第一个轴具有动态形状，当批处理传递到session.run中的feed_dict时，应该将其具体化。但是，当我尝试将广播操作定义为x的形状时：

y = tf.broadcast_to(z, (x.shape[0], x.shape[1], x.shape[2], 1))

出现异常：

Failed to convert object of type <class 'tuple'> to 
Tensor. Contents: (Dimension(None), Dimension(128), 
Dimension(128), 1). Consider casting elements to a supported type.

异常发生在创建模型时，而不是运行模型时。将第一个元素转换为数字有帮助，但这不是解决方案。你知道吗

Answer 1

.shape属性提供了图形构造时已知的形状，这是一个^{}结构。如果x的形状是完全已知的，那么可以让代码按如下方式工作：

y = tf.broadcast_to(z, (x.shape[0].value, x.shape[1].value, x.shape[2].value, 1))

然而，在您的例子中x有一个未知的第一维度。为了将实际的张量形状用作规则的^{}（只有在运行时才知道值），可以使用^{}：

x_shape = tf.shape(x)
y = tf.broadcast_to(z, (x_shape[0], x_shape[1], x_shape[2], 1))