在 Tensorflow 中删除张量的维度

Question

我有一个形状为 (50, 100, 1, 512) 的张量，我想重塑它或删除第三维，以便新张量的形状为 (50, 100, 512)。

我已经尝试 tf.slice 和 tf.squeeze:

a = tf.slice(a, [50, 100, 1, 512], [50, 100, 1, 512])
b = tf.squeeze(a)

当我尝试打印 a 和 b 的形状时，一切似乎都正常，但是当我开始训练我的模型时，出现了这个错误

tensorflow.python.framework.errors_impl.InvalidArgumentError: Expected size[0] in [0, 0], but got 50
     [[Node: Slice = Slice[Index=DT_INT32, T=DT_FLOAT, _device="/job:localhost/replica:0/task:0/device:CPU:0"](MaxPool_2, Slice/begin, Slice/size)]]

我的 slice 有什么问题吗？我该如何解决。谢谢

Answer 1

有多种方法可以做到这一点。 Tensorflow 已经开始支持索引。尝试

a = a[:,:,0,:]

或

a = a[:,:,-1,:]

或

a = tf.reshape(a,[50,100,512])

Answer 2

我这里用的tf.slice错了，应该是这样的：

a = tf.slice(a, [0, 0, 0, 0], [50, 100, 1, 512])
b = tf.squeeze(a)

您可以通过查看 tf.slice documentation

找出原因

Answer 3

通常 tf.squeeze 会降低维度。

a = tf.constant([[[1,2,3],[3,4,5]]])

上面的张量形状是[1,2,3]。执行挤压操作后，

b = tf.squeeze(a)

现在，Tensor 的形状是 [2,3]

在 Tensorflow 中删除张量的维度

Drop a dimension of a tensor in Tensorflow

python

slice

tensorflow

tensor