python - 使用标量张量 reshape TensorFlow 中的张量

Question

我有一个张量，X，形状为 (T, n, k)。

如果我事先知道形状，就很容易 reshape ，tf.reshape(X, (T * n, k)) 其中T, n, k是整数，不是张量。但是如果我不知道这些形状，有没有办法做到这一点。似乎获取像 shape = tf.shape(X) 这样的形状并 reshape 是行不通的。也就是说，

tf.reshape(X, (tf.shape[0] * tf.shape[1], tf.shape[2]))

有什么想法吗？在我的应用程序中，T 和 k 在运行前已知，而 n 仅在运行时已知。

Answer 1

看看这个:

import tensorflow as tf

a, b, c = 2, 3, 4
x = tf.Variable(tf.random_normal([a, b, c], mean=0.0, stddev=1.0, dtype=tf.float32))
s = tf.shape(x)

init = tf.initialize_all_variables()
sess = tf.Session()
sess.run(init)
v1, v2, v3 = sess.run(s)
y = tf.reshape(x, [v1 * v2, v3])
shape = tf.shape(y)

print sess.run(y)
print sess.run(shape)

我在初始化后获取变量的形状，然后稍后使用它。另请查看 this answer ，因为它处理的是类似的事情。