如何将无维度添加回张量？答案

【问题标题】：How do I add the None Dimension back to a Tensor?如何将无维度添加回张量？
【发布时间】：2019-04-25 20:12:12
【问题描述】：

我在 Lambda 层中进行了一些转换，现在我的形状为 (1,)，我如何返回到 (None, 1)？

这是我的操作

def function_lambda(x):
    import keras.backend

    aux_array = keras.backend.sign(x)
    #the shape is (?, 11) here OK

    aux_array = keras.backend.relu(aux_array)
    #the shape is (?, 11) here still OK

    aux_array = keras.backend.any(aux_array)
    #the shape is () here not OK

    aux_array = keras.backend.reshape(aux_array, [-1])
    #now the shape is (1,) almost OK

    return aux_array

我如何重塑和放回None Batch Dimension？

【问题讨论】：

你弄明白了吗？
我想知道同样的问题。你弄明白了吗？

标签： python tensorflow keras reshape

【解决方案1】：

如果你有一个完全定义的形状（比如(1,)），那么你就不需要None 维度，因为你确切地知道你的张量有多少元素。但是你可以重塑有两个维度来代替你重塑：

aux_array = keras.backend.reshape(aux_array, [-1, 1])

这会给你一个形状为(1, 1)的数组，它与形状(None, 1)兼容，所以应该没问题。请注意，reshape 中的 -1 表示“尽管需要许多元素来容纳这种形状的张量”，但在这种情况下，您知道您只有一个元素，因此使用相同：

aux_array = keras.backend.reshape(aux_array, [1, 1])

因为，同样，形状是完全定义的，并且您知道每个维度的大小应该是多少。但是，使用-1 很方便，因为无论您是否完全了解形状，它都可以工作，并且 Keras/TensorFlow 会计算出尺寸应该是多少（如果可以计算，尺寸将具有必要的尺寸，如果可以计算，则使用None部分形状未知）。

【讨论】：

我认为这不是重点。在 Tensorflow 中定义模型以对张量进行操作时，通常需要第一个维度为 None 或 ?，以表示 minibatch 维度。例如，[None, 12, 12] 表示第一个维度没有完全指定，将在训练时设置。在这种情况下，确实需要“无”维度。

【解决方案2】：

tf.reshape 有一个限制，它不能与“无”维度一起使用。据我所知，我们可以定义“无”维度的唯一地方是 tf.placeholder。以下应该有效：

def function_lambda(x):
    import keras.backend

    aux_array = keras.backend.sign(x)
    #the shape is (?, 11) here OK

    aux_array = keras.backend.relu(aux_array)
    #the shape is (?, 11) here still OK

    aux_array = keras.backend.any(aux_array)
    #the shape is () here not OK

    aux_array = keras.backend.placeholder_with_default(aux_array, [None,1])
    #now the shape is (?,1) OK

    return aux_array

附加说明：在尝试使用 Google 机器学习引擎时，创建一个新的占位符以重新引入“无”维度非常有用。 MLE 要求第一个维度（批次）始终保持“无”或未知。

【讨论】：