Tensorflow：对于 tf.norm，形状必须是等阶的，但是是 4 和 1答案

【问题标题】：Tensorflow : Shapes must be equal rank, but are 4 and 1, for tf.normTensorflow：对于 tf.norm，形状必须是等阶的，但是是 4 和 1
【发布时间】：2018-05-12 03:28:40
【问题描述】：

我正在尝试在 conv2d 层中找到所有过滤器的规范。请在下面找到相同的代码

conv1 = tf.layers.conv2d(
                         inputs=input_layer,
                         filters=32,
                         strides=(1, 1),
                         kernel_size=[3, 3],
                         padding="valid",
                         activation=tf.nn.relu,
                         use_bias=True,
                         kernel_regularizer=tf.nn.l2_loss,
                         bias_regularizer=tf.nn.l2_loss,
                         name="conv1")

var = [v for v in tf.trainable_variables() if "conv1" in v.name]
print(tf.norm(var,axis=4))

形状必须是相同的等级，但是是 4 和 1 来自将形状 0 与其他形状合并。对于具有输入形状的“规范/打包”（操作：“打包”）：[3,3,3,32]，[32]。

我尝试了从“无到 4”的多个轴值，但没有一个工作。谁能解释一下是什么问题以及如何解决？

【问题讨论】：

标签： python tensorflow

【解决方案1】：

您的代码中有两个错误。一种是var 包含一个张量列表，而tf.norm() 只需要一个张量。此外，权重的维度为 4，维度从 0 开始编号，因此第四维度的轴为 3。此代码（已测试）：

import tensorflow as tf

input_layer = tf.random_uniform( shape = ( 2, 10, 10, 2 ) )

conv1 = tf.layers.conv2d(
                         inputs=input_layer,
                         filters=32,
                         strides=(1, 1),
                         kernel_size=[3, 3],
                         padding="valid",
                         activation=tf.nn.relu,
                         use_bias=True,
                         kernel_regularizer=tf.nn.l2_loss,
                         bias_regularizer=tf.nn.l2_loss,
                         name="conv1")

var = [v for v in tf.trainable_variables() if "conv1" in v.name][ 0 ]
print( tf.norm( var, axis = 3 ) )

将输出：

Tensor("norm/Squeeze:0", shape=(3, 3, 2), dtype=float32)

没有错误。

【讨论】：