tf.where(Tensor) --报错:ValueError: Shapes must be equal rank, but are 0 and 3 for ‘ ’

出错代码:

mask_windows = window_partition(mask_array, self.window_size)
            mask_windows = tf.reshape(mask_windows, shape=[-1, self.window_size * self.window_size])
            attn_mask = tf.expand_dims(mask_windows, axis=1) - tf.expand_dims(mask_windows, axis=2)
            attn_mask = tf.cast(attn_mask, tf.float32)
            attn_mask = tf.where(attn_mask != 0, -100.0, attn_mask)
            attn_mask = tf.where(attn_mask == 0, 0.0, attn_mask)

报错:

ValueError: Shapes must be equal rank, but are 0 and 3 for 'generator_swin_unet/swin_transformer_block_1/Select' (op: 'Select') with input shapes: [], [], [196,16,16].

解决方案:

 mask_windows = window_partition(mask_array, self.window_size)
            mask_windows = tf.reshape(mask_windows, shape=[-1, self.window_size * self.window_size])
            attn_mask = tf.expand_dims(mask_windows, axis=1) - tf.expand_dims(mask_windows, axis=2)
#修改shape到相同
            non_zero = tf.fill(tf.shape(attn_mask), -100.0)
            zero = tf.fill(tf.shape(attn_mask), -0.0)  
            attn_mask = tf.where(tf.equal(attn_mask, 0), zero, non_zero)
            # attn_mask = tf.where(attn_mask != 0, non_zero, attn_mask)
            # attn_mask = tf.where(attn_mask == 0, zero, attn_mask)

这个错误通常是由于输入张量的形状不符合模型要求而导致的。模型要求输入张量的秩必须是 3、4 或 5,但实际输入的张量秩只有 2。通常情况下,模型的输入应该是一个包含多个样本的张量,每个样本都是一个多维数组,因此输入张量的秩至少为 3。 要解决这个问题,你需要检查输入张量的形状,并将其转换为符合模型要求的形状。如果你的输入是一个单独的样本,你可以将其变形为一个包含单个样本的张量,例如: ```python import tensorflow as tf # 假设 x 是一个形状为 (n_features,) 的一维数组 x = tf.constant([1.0, 2.0, 3.0]) # 将其转换为一个包含单个样本的张量,形状为 (1, n_features, 1) x = tf.reshape(x, (1, -1, 1)) ``` 这里使用了 tf.reshape 函数将形状为 (n_features,) 的张量 x 变形为形状为 (1, n_features, 1) 的张量,其中第一个维度为 1 表示该张量仅包含一个样本。注意,这里使用了 -1 表示第二个维度的大小应该自动计算以适应输入张量的总大小。 如果你的输入张量包含多个样本,你可以将其变形为一个形状为 (batch_size, ...) 的张量,其中 batch_size 表示批大小,可以为任意正整数。例如: ```python import tensorflow as tf # 假设 x 是一个形状为 (n_samples, n_features) 的二维数组,其中 n_samples 表示样本数量 x = tf.constant([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]]) # 将其转换为一个形状为 (n_samples, n_features, 1) 的张量 x = tf.expand_dims(x, axis=-1) ``` 这里使用了 tf.expand_dims 函数将张量 x 在最后一个维度上扩展了一个额外的维度,从而将其变形为形状为 (n_samples, n_features, 1) 的张量。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值