TF2/Keras 切片张量使用 [:, :, 0]

Question

在 TF 2.0 Beta 中，我正在尝试：

x = tf.keras.layers.Input(shape=(240, 2), dtype=tf.float32)
print(x.shape) # (None, 240, 2)
a = x[:, :, 0]
print(a.shape) # <unknown>

在 TF 1.x 我可以做：

x = tf1.placeholder(tf1.float32, (None, 240, 2)
a = x[:, :, 0]

它会很好用。我如何在 TF 2.0 中实现这一点？我觉得

tf.split(x, 2, axis=2)

可能有效，但我想使用切片而不是硬编码 2（轴 2 的暗淡）。

Answer 1

不同之处在于，从 Input 返回的对象表示一个层，而不是与占位符或张量类似的任何东西。因此，上面 tf 2.0 代码中的 x 是层对象，而 tf 1.x 代码中的 x 是张量的占位符。

您可以定义一个切片层来执行操作。有开箱即用的层可用，但是对于像这样的简单切片，Lambda 层非常容易阅读，并且可能最接近您在 tf 1.x 中习惯的切片方式。

像这样：

input_lyr = tf.keras.layers.Input(shape=(240, 2), dtype=tf.float32)
sliced_lyr = tf.keras.layers.Lambda(lambda x: x[:,:,0])

您可以像这样在您的 keras 模型中使用它：

model = tf.keras.models.Sequential([
    input_lyr,
    sliced_lyr,
    # ...
    # <other layers>
    # ...
])

当然以上是特定于keras模型的。相反，如果您有一个张量而不是一个 keras 层对象，那么切片将完全像以前一样工作。像这样：

my_tensor = tf.random.uniform((8,240,2))
sliced = my_tensor[:,:,0]

print(my_tensor.shape)
print(sliced.shape)

输出：

(8, 240, 2)
(8, 240)

符合预期

TF2 / Keras slice tensor using [:, :, 0]