Tensorflow 2.0：使用 Reshape 进行形状推断返回无维度答案

【问题标题】：Tensorflow 2.0: Shape inference with Reshape returns None dimensionTensorflow 2.0：使用 Reshape 进行形状推断返回无维度
【发布时间】：2020-09-17 09:13:10
【问题描述】：

我正在使用 Tensorflow 2.0 + Keras 上的 CNN-LSTM 模型来执行序列分类。我的模型定义如下：

    inp = Input(input_shape)
    rshp = Reshape((input_shape[0]*input_shape[1], 1), input_shape=input_shape)(inp)
    cnn1 = Conv1D(100, 9, activation='relu')(rshp)
    cnn2 = Conv1D(100, 9, activation='relu')(cnn1)
    mp1 = MaxPooling1D((3,))(cnn2)
    cnn3 = Conv1D(50, 3, activation='relu')(mp1)
    cnn4 = Conv1D(50, 3, activation='relu')(cnn3)
    gap1 = AveragePooling1D((3,))(cnn4)
    dropout1 = Dropout(rate=dropout[0])(gap1)
    flt1 = Flatten()(dropout1)
    rshp2 = Reshape((input_shape[0], -1), input_shape=flt1.shape)(flt1)
    bilstm1 = Bidirectional(LSTM(240,
                                 return_sequences=True,
                                 recurrent_dropout=dropout[1]),
                            merge_mode=merge)(rshp2)
    dense1 = TimeDistributed(Dense(30, activation='relu'))(rshp2)
    dropout2 = Dropout(rate=dropout[2])(dense1)
    prediction = TimeDistributed(Dense(1, activation='sigmoid'))(dropout2)

    model = Model(inp, prediction, name="CNN-bLSTM_per_segment")
    print(model.summary(line_length=75))

在哪里input_shape = (60, 60)。但是，此定义会引发以下错误：

TypeError: unsupported operand type(s) for +: 'NoneType' and 'int'

起初，我以为是因为rshp2 层无法将flt1 输出重塑为(60, X)。所以我在Bidirectional(LSTM))层之前加了一个印版：

    print('reshape1: ', rshp.shape)
    print('cnn1: ', cnn1.shape)
    print('cnn2: ', cnn2.shape)
    print('mp1: ', mp1.shape)
    print('cnn3: ', cnn3.shape)
    print('cnn4: ', cnn4.shape)
    print('gap1: ', gap1.shape)
    print('flatten 1: ', flt1.shape)
    print('reshape 2: ', rshp2.shape)

形状是：

reshape 1:  (None, 3600, 1)
cnn1:  (None, 3592, 100)
cnn2:  (None, 3584, 100)
mp1:  (None, 1194, 100)
cnn3:  (None, 1192, 50)
cnn4:  (None, 1190, 50)
gap1:  (None, 396, 50)
flatten 1:  (None, 19800)
reshape 2:  (None, 60, None)

查看flt1 层，它的输出形状是(19800,)，可以重新调整为(60, 330)，但由于某种原因，rshp2 层的(60, -1) 没有按预期工作，证明打印reshape 2: (None, 60, None)。当我尝试重塑为(60, 330) 时，它工作得很好。有谁知道为什么(-1) 不起作用？

【问题讨论】：

标签： python tensorflow keras tensorflow2.0

【解决方案1】：

-1 正在工作。

来自Reshape 文档，https://www.tensorflow.org/api_docs/python/tf/keras/layers/Reshape

图层返回一个形状为(batch_size,) + target_shape的张量

因此，批量大小保持不变，其他维度根据您的target_shape 计算。

从文档中，看最后一个例子，

# also supports shape inference using `-1` as dimension
model.add(tf.keras.layers.Reshape((-1, 2, 2)))
model.output_shape

(None, None, 2, 2)

如果您在目标形状中传递-1，Keras 将存储None，如果您希望该轴上的可变长度数据，这很有用，但如果您的数据形状始终相同，只需将维度放在硬- 编码将在您稍后打印形状时放置尺寸。

注意：也无需为功能 API 中的中间层指定 input_shape=input_shape。模型会为您推断。

【讨论】：