具有一个已知维度的 Tensorflow Reshape

Question

我正在尝试制作一个可以接受任何尺寸灰度图像的卷积网络：

inputs = tf.placeholder(tf.float32, [None, None, None, 1])

最后一个卷积层的输出形状为 [None, None, None, 512]，其中 512 是通道数。到目前为止一切都很好。问题是，我需要折叠第二维和第三维，所以我需要重塑。但是我不知道图形构建时的第二维和第三维，所以我这样做：

dims = tf.shape(output)
output = tf.reshape(output, [-1, dims[1] * dims[2], 512])

我希望最终的形状是 [?, ?, 512]，但它是 [?,?,?]。我需要在代码后面的构建时知道最后一个维度，那么有没有办法以保留最后一个维度的大小的方式重塑输出张量？ 谢谢。

Answer 1

对于 TensorFlow 的静态形状推断来说，这是一个棘手的案例，因为它依赖于传播有关部分已知值的信息。我们在 0.10 版本中添加了对这种情况（以及一些将张量视为形状的类似情况）的支持。