使用标量张量在 TensorFlow 中重塑张量答案

【问题标题】：Reshaping a Tensor in TensorFlow with scalar tensors使用标量张量在 TensorFlow 中重塑张量
【发布时间】：2016-02-15 18:46:08
【问题描述】：

我有一个张量，X，形状为 (T, n, k)。

如果我事先知道形状，很容易重塑，tf.reshape(X, (T * n, k)) 其中T, n, k 是整数，而不是张量。但是，如果我不知道形状，有没有办法做到这一点。似乎获得像shape = tf.shape(X) 这样的形状并进行整形是行不通的。也就是说，

tf.reshape(X, (tf.shape[0] * tf.shape[1], tf.shape[2]))

有什么想法吗？在我的应用程序中，T 和 k 在运行前已知，但 n 仅在运行时已知。

【问题讨论】：

标签： python reshape tensorflow

【解决方案1】：

看看这个：

import tensorflow as tf

a, b, c = 2, 3, 4
x = tf.Variable(tf.random_normal([a, b, c], mean=0.0, stddev=1.0, dtype=tf.float32))
s = tf.shape(x)

init = tf.initialize_all_variables()
sess = tf.Session()
sess.run(init)
v1, v2, v3 = sess.run(s)
y = tf.reshape(x, [v1 * v2, v3])
shape = tf.shape(y)

print sess.run(y)
print sess.run(shape)

我在初始化后得到变量的形状，然后再使用它。另请查看this answer，因为它处理类似的事情。

【讨论】：

虽然我认为这可行，但我担心它会增加计算开销。在 Theano 中，reshape() 接受符号变量，我想知道是否有这样的解决方案，可能是将单独的标量连接成一个新的张量或类似的东西。
@AsianYayaToure 这显然有效，因为我对其进行了测试:-)。我不会担心现阶段的开销。确保您的模型按预期工作并预测您希望它预测的内容。
其实这样不行。在您的示例中，x 的形状在图形构建时是已知的。您已明确设置 a, b, c = 2, 3, 4。试试这个：x = tf.placeholder(tf.int32, [100, None, 3]) 并做同样的事情。
@AsianYayaToure 我知道了。你应该告诉你使用tf.placeholder。我会写一个新的答案，它适用于占位符。

【解决方案2】：

既然您告诉过您使用占位符来填充数据，那么它开始变得有意义了。以下是在这种情况下如何重塑数据的示例：

import tensorflow as tf
import numpy as np
data = np.random.rand(2, 3, 4)

x = tf.placeholder("float", None)
s = tf.shape(x)

sess = tf.Session()
shape_original = sess.run(s, feed_dict={x: data})

x_ = tf.reshape(x, [shape_original[0] * shape_original[1], shape_original[2]])
s_ = tf.shape(x_)

shape_now = sess.run(s_, feed_dict={x: data})
print 'Original\t', shape_original
print 'Now\t\t\t', shape_now

sess.close()

【讨论】：