在张量流中输入具有可变大小输入的卷积神经网络答案

【问题标题】：feeding a convolutional neural network with variable sized inputs in tensorflow在张量流中输入具有可变大小输入的卷积神经网络
【发布时间】：2016-10-03 15:29:33
【问题描述】：

我正在尝试使用 feed_dict 参数将不同大小的 2d numpy 数组列表传递给卷积神经网络。

x = tf.placeholder(tf.float32, [batch_size, None, None, None]) y = tf.placeholder(tf.float32, [batch_size, 1]) optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate).minimize(cost) optimizer.run(feed_dict={x: batch[0], y: batch[1], keep_prob: 0.5})

我收到以下错误：

ValueError: setting an array element with a sequence.

我知道 batch[0] 必须包含相同大小的数组。我正在尝试找到一种使用可变大小的数组批量应用优化的方法，但是所有建议的解决方案都要求调整数组的大小，这在我的情况下是不可能的，因为这些数组不是图像并且包含不同大小的 DNA 片段（任何修改对数组的任何元素都会造成重要信息的丢失）

有人有想法吗？

【问题讨论】：

标签： tensorflow

【解决方案1】：

提供的矩阵需要在行和列之间具有一致的大小。一行或一列的大小不能与任何其他大小不同。

Matrix #1    Matrix #2
  1 2 3       1 2 3
  None        4 5 6
  None        7 8 9

没有任何操作可以在 Matrix #1 上起作用，这基本上就是你所拥有的。如果您想输入可变尺寸矩阵（不同尺寸的 matices，但尺寸大小以行和列为单位）this 可以解决你的问题

参数：

shape：要馈送的张量的形状（可选）。如果形状是未指定，您可以输入任何形状的张量。

或者，如果您正在寻找稀疏张量（tf.sparse_placeholder() -- 未定义的元素设置为零），this question 可能会有所帮助。

【讨论】：