首页 文章

tensorflow如何重塑尺寸为None的张量，如[None，2,2,1]？

提问于
浏览 次
1

错误是：

TypeError：无法将类型对象转换为Tensor . 内容：[无，4] . 考虑将元素转换为支持的类型 .

import tensorflow as tf
xs=tf.placeholder(tf.float32,[None,2,2,1],name='x-input')
reshaped_xs=tf.reshape(xs,[None,4])

with tf.Session() as sess:
    print sess.run(reshaped_xs)

tensorflow版本是：1.4.0

docker run -d  --restart=always -p 8888:8888 tensorflow/tensorflow:1.4.0

那么如何解决这个问题呢？ TKS！

docker tensorflow

3 回答

  • 0

    要重塑占位符，只需使用 -1 作为未知维度 . 使用 sess.run 时，还必须向占位符提供值 . 这将有效：

    import tensorflow as tf

xs = tf.placeholder(tf.float32, [None, 2, 2, 1], name='x-input')

reshaped_xs = tf.reshape(xs, [-1, 4])

with tf.Session() as sess:
    x = [[[[0.], [0.]], [[0.], [0.]]]]
    print(sess.run(reshaped_xs, feed_dict={xs: x}))
    回复于
  • 0

    你不能重塑一个占位符，它为在feed dict中传递的对象保留一个内存空间，None表示内存将被动态分配，在你的情况下，你正在将一个未分配的内存重新整形为另一个固定大小的内存，它可能是语法正确但我怀疑你是否在ipython中运行它会工作 .

    回复于
  • 2

    我认为这是问题和答案的评论意味着什么 . 不得不首先为自己澄清 . 相似的东西 .

    import tensorflow as tf
import numpy as np

x = tf.placeholder(dtype=tf.float32, shape=(None))
x_reshaped = tf.reshape(x, shape=[tf.shape(x)[0], 2,2,1])

with tf.Session() as sess:
    init = tf.global_variables_initializer()
    sess.run(init)
    _, x_reshaped_result = sess.run([x, x_reshaped], feed_dict={x: np.random.random(16).reshape(4, 2, 2, 1)})
    print (x_reshaped_result.shape)
    回复于

相关问题