tf.nn.conv2d_transpose 的输出形状完全未定义，即使只有批量大小未知

Question

我正在使用以下代码在 Tensorflow 中计算 2D 反卷积：

def deconv2d_strided(input_, filter_h, filter_w, channels_in, channels_out, output_shape,
                     pool_factor=2, name='deconv', reuse=False):
    with tf.variable_scope(name, reuse=reuse):
        w = tf.get_variable(...)
        b = tf.get_variable(...)
        minus_b = tf.subtract(input_, b)

        # dynamic shape of input_:
        in_shape = tf.shape(input_)
        out_shape = [in_shape[0], output_shape[0].value, output_shape[1].value, channels_out]
        out = tf.nn.conv2d_transpose(minus_b,
                                     filter=w,
                                     output_shape=tf.pack(out_shape),
                                     strides=[1, pool_factor, pool_factor, 1],
                                     padding='SAME')
        return out

我面临的问题是out 的形状看起来像shape=(?, ?, ?, ?)，尽管我传递给函数的out_shape 是完全定义的，除了第一个维度（即批量大小）。即

out_shape = <class 'list'>: [<tf.Tensor 'decoder/conv_l4/strided_slice:0' shape=() dtype=int32>, 5, 15, 256]

如何让out 的形状看起来像(?, 5, 15, 256)？

我希望尽可能完整地定义形状，因为它的输出将进入批量归一化层，为此，通道维度（这是最后一个）必须完全定义，否则 Tensorflow 会抱怨（参见tf.contrib.layers.python.layers.batch_norm）。所以，如果你有一个解决方案，我可以如何将具有未定义通道维度的张量传递到批处理规范化层，这对我也有用，尽管我更愿意把这件事做好并弄清楚为什么conv2d_transpose 的输出形状未定义。

Answer 1

这个话题已经在 TensorFlow Issues 中讨论过了，看来他们还是要修复它。

这里有Issue，this可以解决你的问题。