使用 Keras 功能 API 扩展维度后如何连接张量？答案

【问题标题】：How to concatenate tensors after expanding dimension using Keras Functional API?使用 Keras 功能 API 扩展维度后如何连接张量？
【发布时间】：2021-03-14 18:19:31
【问题描述】：

我正在尝试扩展维度：

import tensorflow as tf
inp = tf.keras.layers.Input(shape=(1,))
inp = inp[..., tf.newaxis]
decoder_input = inp
output = tf.concat([inp, decoder_input], 1)
model = tf.keras.models.Model(inp, output )

但我在最后一行得到一个错误：

发生异常：ValueError 图表已断开：无法获取张量值 Tensor("input_1:0", shape=(None, 1), dtype=float32) 在“tf_op_layer_strided_slice”层。以下之前的图层访问没有问题：[]

【问题讨论】：

我无法理解您希望模型做什么。 “扩展维度”是指从形状 (a,b)->(a,b,1) 重塑还是什么？
@krenerd 是的，重塑 (a, b) -> (a, b, 1)
改用tf.expand_dims。
@今天我试过了 - 效果不佳
你是如何使用tf.expand_dims的？编辑您的问题并添加代码 sn-p。可能您仍在修改inp（您根本不应该这样做，因为这是模型的输入，不应该被修改）。

标签： tensorflow keras

【解决方案1】：

这是你想要做的吗？似乎你有一个变量冲突。您将decoder_input 设置为reshape 层而不是input 层。更改reshape 层的名称可以修复它。

import tensorflow as tf
inp = tf.keras.layers.Input(shape=(1,))

x = tf.keras.layers.Reshape((-1,1))(inp) #Use any of the 3
#x = tf.expand_dims(inp, axis=-1)
#x = inp[...,tf.newaxis]

decoder_input = inp
output = tf.concat([inp, decoder_input], 1)
model = tf.keras.models.Model(inp, output)

model.summary()

Model: "functional_8"
__________________________________________________________________________________________________
Layer (type)                    Output Shape         Param #     Connected to                     
==================================================================================================
input_7 (InputLayer)            [(None, 1)]          0                                            
__________________________________________________________________________________________________
tf_op_layer_concat_4 (TensorFlo [(None, 2)]          0           input_7[0][0]                    
                                                                 input_7[0][0]                    
==================================================================================================
Total params: 0
Trainable params: 0
Non-trainable params: 0

【讨论】：

【解决方案2】：

如果您希望模型从 (a, b) -> (a, b, 1) 重塑张量，您可以使用tf.keras.layers.Reshape 层。

inp = tf.keras.layers.Input(shape=(1,))
...
decoder_input = inp
output=tf.keras.layers.Reshape((a,b,1))(decoder_input ) #Replace (a,b,1) with your desired shape.
...

【讨论】：