我目前正在编写一个 tensorflow 程序，该程序需要将一批 2-D 张量（形状为 [None,...] 的 3-D 张量）与 2-D 矩阵 W 相乘。这需要将W 转换为 3-D 矩阵，这需要知道批量大小。
我无法做到这一点； tf.batch_matmul 不再可用，x.get_shape().as_list()[0] 返回 None，这对于整形/平铺操作无效。有什么建议？我见过有人用config.cfg.batch_size，但我不知道那是什么。
【问题讨论】：
标签： arrays tensorflow machine-learning neural-network matrix-multiplication
解决方案是使用tf.shape（在运行时返回形状）和tf.tile（接受动态形状）的组合。
x = tf.placeholder(shape=[None, 2, 3], dtype=tf.float32)
W = tf.Variable(initial_value=np.ones([3, 4]), dtype=tf.float32)
print(x.shape) # Dynamic shape: (?, 2, 3)
batch_size = tf.shape(x)[0] # A tensor that gets the batch size at runtime
W_expand = tf.expand_dims(W, axis=0)
W_tile = tf.tile(W_expand, multiples=[batch_size, 1, 1])
result = tf.matmul(x, W_tile) # Can multiply now!
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
feed_dict = {x: np.ones([10, 2, 3])}
print(sess.run(batch_size, feed_dict=feed_dict)) # 10
print(sess.run(result, feed_dict=feed_dict).shape) # (10, 2, 4)
【讨论】：