重塑输出或 tf.gather(), tensorflow
reshape output or tf.gather(), tensorflow
我在 [None, 100, 5, 50] 中有一个来自 tf.gather(W,X) 的张量，我想将其重塑为 [None, 100, 250])
但是由于图形的动态方面，使用 tf.reshape (even with tf.pack) 显示 Dimension(None) 错误。
有什么方法可以先重塑 tensor [100,5,50] 的内部，只要图中的尺寸已知，然后使用具有 [None, 100, 250] 的 set_shape?
tf.reshape() op 不理解部分形状（即那些具有一个或多个维度的 None 的形状），因为它们可能是模棱两可的：例如部分形状可能有许多可能的具体形状 [None, None, 50].
但是，tf.reshape() 还允许您指定 一个 维度作为通配符，这将被自动选择，因此您可以在您的情况下使用它。要指定通配符，请使用 -1 作为维度之一：
input = ...
print input.get_shape() ==> [None, 100, 5, 50]
reshaped = tf.reshape(input, [-1, 100, 250])
我在 [None, 100, 5, 50] 中有一个来自 tf.gather(W,X) 的张量，我想将其重塑为 [None, 100, 250])
但是由于图形的动态方面，使用 tf.reshape (even with tf.pack) 显示 Dimension(None) 错误。
有什么方法可以先重塑 tensor [100,5,50] 的内部，只要图中的尺寸已知，然后使用具有 [None, 100, 250] 的 set_shape?
tf.reshape() op 不理解部分形状（即那些具有一个或多个维度的 None 的形状），因为它们可能是模棱两可的：例如部分形状可能有许多可能的具体形状 [None, None, 50].
但是，tf.reshape() 还允许您指定 一个 维度作为通配符，这将被自动选择，因此您可以在您的情况下使用它。要指定通配符，请使用 -1 作为维度之一：
input = ...
print input.get_shape() ==> [None, 100, 5, 50]
reshaped = tf.reshape(input, [-1, 100, 250])