使用 DataSet API Tensorflow 时，“无”维度会导致错误

Question

我正在尝试使用 Dataset API 来提供最新的 Tensorflow official models release 中的 resnet。

基本代码如下：

with tf.Session() as sess:
    print("initialized")

    features_placeholder = tf.placeholder(prepared_x.dtype, prepared_x.shape)
    labels_placeholder = tf.placeholder(dtype=tf.float32, shape=prepared_t.shape)

    dataset = tf.contrib.data.Dataset.from_tensor_slices((features_placeholder, labels_placeholder))
    dataset = dataset.shuffle(buffer_size=10000)
    dataset = dataset.batch(batch_size)
    dataset = dataset.repeat(num_epoch)

    iterator = dataset.make_initializable_iterator()

    (next_x_test, next_t_test) = iterator.get_next()
    next_x_test = tf.to_float(next_x_test, name='ToFloat')


    sess.run(iterator.initializer, feed_dict={features_placeholder: prepared_x,
                                              labels_placeholder: prepared_t})


    print(next_x_test)
    print(next_t_test)

    model = resnet_v2(resnet_size=50, num_classes=num_bins)

    output = model(next_x_test,is_training=True)

最后几行在编译时抛出错误

ValueError：Dense 的输入的最后一个维度应该是 定义。找到None。

这引用了resent_v2 定义，其中最后一层是密集层。

如何断言特征张量的形状？

Answer 1

使用tensor.set_shape 设置张量的形状（如果它碰巧未定义）。