在 TF 2.0 Beta 中我正在尝试:
x = tf.keras.layers.Input(shape=(240, 2), dtype=tf.float32)
print(x.shape) # (None, 240, 2)
a = x[:, :, 0]
print(a.shape) # <unknown>
在 TF 1.x 中我可以这样做:
x = tf1.placeholder(tf1.float32, (None, 240, 2)
a = x[:, :, 0]
它会工作得很好。如何在 TF 2.0 中实现这一目标?我认为
tf.split(x, 2, axis=2)
可能有用,但我想使用切片而不是硬编码 2(轴 2 的暗淡)。
最佳答案
不同之处在于,从Input
返回的对象表示一个层,而不是任何类似于占位符或张量的东西。因此,上面 tf 2.0 代码中的 x
是一个图层对象,而 tf 1.x 代码中的 x
是张量的占位符。
您可以定义一个切片层来执行该操作。有开箱即用的层可用,但对于像这样的简单切片,Lambda
层非常易于阅读,并且可能最接近您在 tf 1.x 中习惯的切片方式.
类似这样的事情:
input_lyr = tf.keras.layers.Input(shape=(240, 2), dtype=tf.float32)
sliced_lyr = tf.keras.layers.Lambda(lambda x: x[:,:,0])
您可以在 keras 模型中使用它,如下所示:
model = tf.keras.models.Sequential([
input_lyr,
sliced_lyr,
# ...
# <other layers>
# ...
])
当然,以上内容特定于 keras 模型。相反,如果您有一个张量而不是 keras 图层对象,则切片的工作方式与以前完全相同。像这样的事情:
my_tensor = tf.random.uniform((8,240,2))
sliced = my_tensor[:,:,0]
print(my_tensor.shape)
print(sliced.shape)
输出:
(8, 240, 2)
(8, 240)
正如预期
关于python - TF2/Keras 切片张量使用 [ :, :, 0],我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57438747/