ValueError: 必须完全定义新变量 (local1/weights) 的形状，而不是 (?, 1000)答案

【问题标题】：ValueError: Shape of a new variable (local1/weights) must be fully defined, but instead was (?, 1000)ValueError: 必须完全定义新变量 (local1/weights) 的形状，而不是 (?, 1000)
【发布时间】：2019-04-02 19:18:13
【问题描述】：

我是 TensorFlow 的新手。卷积之后，我的层的形状是shape=(5, 5, 5, 5), dtype=float32，但是当我应用反卷积时，得到像shape=(?, 25, 25, 640)、dtype=float32. 这样的形状，这意味着反卷积后批量大小没有正确显示（？符号）。对于反卷积，我使用了这个Deconvolution 函数。

错误 ValueError: 新变量 (local1/weights) 的形状必须是完全定义，而是 (?, 1000)。

我已经尝试过example1但效果不佳

【问题讨论】：

标签： python tensorflow

【解决方案1】：

问题已解决，之前的转置/反卷积代码运行良好。只是我们必须做一些小的改变。我们必须在输出形状中定义批量大小。

【讨论】：

【解决方案2】：

来自使用Deconvolution函数的描述

  #Now output.get_shape() is equal (?,?,?,?) which can become a problem in the 
  #next layers. This can be repaired by reshaping the tensor to its shape:
  output = tf.reshape(output, output_shape)
  #now the shape is back to (?, H, W, C) or (?, C, H, W)

不应显示批量大小，因为它设计为未知。这样做是为了保留处理具有不同大小（第一维大小）的批次的能力。这样您就可以在不同大小的批次上运行模型，例如，一次训练 5 个图像并预测 20 个图像。

并完全同意T. Kelher：

我建议改用这个function：
tf.nn.conv2d_transpose()

【讨论】：

您知道如何从前面的示例中获取批量大小吗？
你试过result.get_shape()吗？尝试阅读此stackoverflow.com/questions/37096225/…
是的，我试过了，但它显示了相同的结果。当我从占位符提供输入时，我得到了批量大小，但在我的模型中，批量大小没有显示。即使我尝试使用 tf.nn.conv2d_transpose() 但它需要输出大小和过滤器，这就是我使用此功能的原因。你有任何链接来计算反卷积/转置层的输出大小吗？
无法显示输出形状，因为输入形状未知。它由输入大小确定。（在常见情况下，因为在您的情况下，您试图将批量大小冻结为 5，但使用的反卷积功能并非为此而设计）。在常规张量流函数中，输出形状完全由前一层确定（在这种情况下 - 输入），所以如果你知道所有维度大小 - 你在层之后知道它，并且如果你的批量大小或图像大小是动态的（占位符中没有) - 您也会在该位置收到动态形状。
问题已经解决，之前的转置/反卷积代码运行良好。只是我们必须做一些小的改变。我们必须在输出形状中定义批量大小。

【解决方案3】：

不同之处在于您发送的示例是一个张量，它得到了错误的数据。您的问题是反卷积滤波器的权重没有完全定义。权重不依赖于批量大小，并且需要具有固定大小，因此存在误差。我知道你理解了这个错误，只是想说明你遇到的问题和例子有很大的不同。

我建议改用这个function：

 tf.nn.conv2d_transpose()

它的定义就像您对普通卷积层所做的那样。在TensorFlow中是默认的，不知道为什么你一开始不使用它？

【讨论】：