如何使用无维度张量流重塑张量答案

【问题标题】：How to reshape a tensor with None dimension tensorflow如何使用无维度张量流重塑张量
【发布时间】：2020-11-16 09:19:12
【问题描述】：

我有一个形状为 (3, None, 80, 10) 的张量，我想将其重塑为 (3*None, 80, 10)。我尝试使用以下代码行，但没有得到所需的形状 (3*None, 80, 10)，我得到了一个形状为 (None, None, None) 的张量：

shape = [tf.shape(node_embed_tmp)[k] for k in range(4)]
Y = tf.reshape(node_embed_tmp, [shape[0]*shape[1], shape[2], shape[3]])

任何建议，请！

编辑：

我也试过下面的代码：

shape = [tf.shape(node_embed_tmp)[k] for k in range(4)]
Y=tf.reshape(node_embed_tmp, [-1, shape[2], shape[3]])

但我得到了(None, None, None) 的形状和以下错误：ValueError: Input size (depth of inputs) must be accessible via shape inference, but saw value None.

【问题讨论】：

你在看 model.summary() 吗？尝试用实际数据调用模型
3*None 没有任何意义。你为什么要那个？你的意思是(3,80,10)？
我是 Tensorflow 的新手，我正在寻找通过以下代码行在上述张量上使用 LSTM lstm_cell = tf.nn.rnn_cell.BasicLSTMCell(embedding_u_size) # init_state = cell.zero_state(None, dtype=tf.float32) node_type_embed, _ = tf.nn.dynamic_rnn(lstm_cell, Y, time_major= True, dtype=tf.float32)，我认为在这种情况下我不能使用 model.summary() 它是不是 keras 层。
@Ragnar 3维表示某个类别的数据，None维表示每个类别的batch_size
我想你想要的是(None, 80, 10, 3)

【解决方案1】：

重塑可变维度张量具有挑战性，你可以使用 keras.Input 库

from tensorflow import keras
tensor_shape = (3, None, 80, 10)
input = keras.Input(shape=((None,) + tensor_shape[1:]), dtype = 'int32')
input.shape

输出

TensorShape([None, None, None, 80, 10])

【讨论】：