如何在张量流中使用张量的动态形状答案

【问题标题】：How to use the dynamic shape of a tensor in tensorflow如何在张量流中使用张量的动态形状
【发布时间】：2017-05-05 18:59:28
【问题描述】：

如何为以下计算构建张量流图？我现在遇到的问题是如何使用具有可变形状大小的张量 A 的形状信息。

A = tf.placeholder(tf.float32, [None,10])
B = tf.Variable(tf.random_normal([10,20]))
C = tf.matmul(A, B)
D = tf.matmul(tf.transpose(C), A) # the value of A.shape[0]

【问题讨论】：

标签： tensorflow tensorflow-serving

【解决方案1】：

您已经将张量 A 的值传递给占位符，并且当您这样做时，您已经知道它的形状。我会为您关心的形状创建另一个占位符并传递它：

import tensorflow as tf
import numpy as np

A = tf.placeholder(tf.float32, [None,10])
L = tf.placeholder(tf.float32, None)

B = tf.Variable(tf.random_normal([10,20]))
C = tf.matmul(A, B)
D = tf.multiply(tf.transpose(C), L) // L is a number, matmul does not multiply matrix with a number

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    a = np.zeros((5, 10), dtype=np.float32)
    l = a.shape[0]
    sess.run(D, {A: a, L: l})

【讨论】：

谢谢。这行得通。这并不完美，因为每次你想获取 D 时，你都必须记住输入形状。
实际上，有一个生成所有提要字典的助手是一个很好的做法，您可以执行以下操作：sess.run(<things>, your_dict_helper())
我明白了。非常感谢！
此链接显示了一种使用 TensorFlow 而不是 Python 来处理形状的方法：stackoverflow.com/questions/41668786/…