Tensorflow，更新变量以具有任意形状答案

【问题标题】：Tensorflow, update the Variable to have arbitrary shapeTensorflow，更新变量以具有任意形状
【发布时间】：2017-05-25 23:03:08
【问题描述】：

所以，根据documentation，我们可以使用 tf.assign 和 validate_shape=False 来改变形状。它确实改变了变量内容的形状，但是您可以从 get_shape() 获得的形状不会得到更新。例如：

>>> a = tf.Variable([1, 1, 1, 1])
>>> sess.run(tf.global_variables_initializer())
>>> tf.assign(a, [[1, 1, 1, 1, 1, 1, 1], [1, 1, 1, 1, 1, 1, 1]], validate_shape=False).eval()
array([[1, 1, 1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1, 1, 1]], dtype=int32)
>>> a.get_shape()
TensorShape([Dimension(4)])

很烦人的是，网络的后面层的形状基于这个变量的 get_shape() 值。因此，即使实际形状是正确的，Tensorflow 也会抱怨尺寸不匹配。那么关于如何更新每个变量的“相信”形状有什么想法吗？

【问题讨论】：

set_shape 可能吗？
set_shape 将尝试根据现有形状信息进行验证。我会在创建变量时设置validate_shape=False，在这种情况下，静态形状信息将完全未知（如果您愿意，可以使用set_shape 对其进行细化）。
我试试看。谢谢！

标签： tensorflow

【解决方案1】：

简而言之：使用set_shape 来更新变量的静态形状。

你可以通过阅读TF FAQ来了解发生了什么：

在 TensorFlow 中，张量同时具有静态（推断）形状和动态（真实）形状。静态形状可以使用 tf.Tensor.get_shape 方法：这个形状是从操作中推断出来的用于创建张量的，可能是部分完整的。如果静态形状未完全定义，张量 t 的动态形状可以通过评估tf.shape(t)来确定。

所以静态形状没有正确推断出来，你应该给 TF 一个提示。幸运的是，同一个常见问题解答中的以下几行告诉您该怎么做：

tf.Tensor.set_shape 方法更新张量的静态形状对象，它通常用于提供额外的形状无法直接推断出的信息。它没有改变张量的动态形状。

【讨论】：

【解决方案2】：

由于 validate_shape 设置为 false 变量的静态形状不会在图表中自动更新。一个解决方法是使用新形状（已知）手动设置它

a = tf.Variable([1, 1, 1, 1], validate_shape=False)
sess.run(tf.global_variables_initializer())
new_arr_assign = np.array([[1, 1, 1, 1, 1, 1, 1], [1, 1, 1, 1, 1, 1, 1]])
tf.assign(a, new_arr_assign, validate_shape=False).eval(session=sess)
a.set_shape(new_arr_assign.shape)
a.get_shape()
# results: TensorShape([Dimension(2), Dimension(7)])

【讨论】：