TensorFlow 动态获取tensor维度

最新推荐文章于 2024-04-02 08:00:00 发布

派小汤

最新推荐文章于 2024-04-02 08:00:00 发布

阅读量539

点赞数 1

文章标签： tensorflow 深度学习人工智能

本文链接：https://blog.csdn.net/qq_39716563/article/details/128309048

版权

问题：构建计算图时无法动态获取输入tensor的维度

之前用pytorch写完代码之后，想将pytorch代码转换为TensorFlow代码，遇到了这样一个问题：pytorch代码为：

def forward(self, vertex_coordinates1, vertex_coordinates2, vertex_features1, vertex_features2):
    N, C = vertex_coordinates1.shape
    S, _ = vertex_coordinates2.shape
    interpolated_points = torch.sum(index_points(vertex_features2, idx) * weight.view(N, 3, 1), dim=1)

由上述代码可知，这里是想获取输入参数的shape并在后续进行reshape操作，这在pytorch中是可行的，因为在forward函数中可以获取到参数shape具体大小。

但是如果用在TensorFlow中使用这种方法会出现N=none的情况，因为TensorFlow是先构建一个计算图，然后将数据作为输入，所以在后续代码中使用tf.reshape会报错。

错误提示如下：

TypeError: Failed to convert object of type <class 'list'> to Tensor. Contents: [Dimension(None), 128]. Consider casting elements to a supported type.

解决方法：tf.shape(x)

使用tf.shape(x)可以获取session运行时x的shape，修改之后的TensorFlow代码如下：

def apply_regular(self, vertex_coordinates1, vertex_coordinates2, vertex_features1, vertex_features2):
    N = tf.shape(input_vertex_features)[0]
    C = tf.shape(input_vertex_features)[1]