如何在张量流中生成具有变化帧的 CNN 模型？答案

【问题标题】：How to generate CNN model with changing frames in tensorflow?如何在张量流中生成具有变化帧的 CNN 模型？
【发布时间】：2017-05-31 01:05:25
【问题描述】：

我想在 Tensorflow 中构建一个条件 CNN 模型，但遇到了一些麻烦。

假设有一个名为 features 的矩阵，其形状为 [64, ?, 50, 1] 和另一个名为 conditions 的矩阵形状为 [64, ?, 1, 130]。

第一个dim是batch size，第二个dim表示帧数（两个矩阵这个dim中的值在每个batch中相同，但在不同batch中不同）。第三个是特征维度，最后一个维度是通道数。

我想concat这两个矩阵，也就是说我们可以得到一个形状为[64, ?, 50, 131]的矩阵，然后在tensorflow中做conv2d。

但问题是我无法连接这两个矩阵，因为第三个暗淡的差异。然后我做了如下：

    x_shapes = x.get_shape()
    y_shapes = y.get_shape()
    return tf.concat(3, [x, y*tf.ones([x_shapes[0], x_shapes[1], x_shapes[2], y_shapes[3]])])

但它不起作用，因为第二个暗淡是未知的。

不知道有没有办法解决这个问题？

谢谢

【问题讨论】：

标签： python tensorflow

【解决方案1】：

虽然从您的问题中不清楚，但看起来您想在连接之前在第三维度（称为特征维度）上广播形状为 [64, ?, 1, 130] 的第二个张量。请注意，tf.concat 需要匹配所有维度，除了您要连接的维度。来自tf.concat 的文档：

输入张量的维数必须匹配，并且所有除 concat_dim 外的尺寸必须相等。

要沿特征维度进行广播，使用 tf.tile 而不是像您正在做的那样乘以全为张量要便宜得多。以下是您将如何使用tf.tile：

tf.concat(3, [x, tf.tile(y, [1, 1, x_shapes.as_list()[2], 1])])

在您的情况下，由于y 的第三维是静态已知的，因此上述代码有效。如果不是这种情况，您可以将第二个参数设置为tf.tile，如下所示：

tf.tile(y, tf.concat(0, [[1], [1], tf.shape(x)[2:3], [1]]))

【讨论】：

因为过年，回复晚了。非常感谢您的友好回复，您的回答非常有效。再次感谢！