Tensorflow:在未经验证的形状变量上应用 bool 掩码？

Question

好的，下面的场景:我有一个变量 var，它的等级是固定的，但它的形状不是。例如，它可以是任意长度的一维张量。我想在与我的图形的 session 开始时初始化一次 var。我使用附加到此变量的占位符来执行此操作(另请参见下面的代码)。然后我在我的图中做了一些计算，在某些时候我需要从 var 中提取所有大于 0 的值，就像这样:

import tensorflow as tf    

init_var = tf.placeholder(dtype=tf.float64, shape=[None])
var = tf.Variable(init_var,dtype=tf.float64,validate_shape=False)
booled = tf.boolean_mask(var, var>0)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer(), { init_var: [1,-2,3] } )
    print sess.run([booled])

但这会产生 ValueError-Exception:

ValueError: Number of mask dimensions must be specified, 
even if some dimensions are None. 
E.g. shape=[None] is ok, but shape=None is not.

现在，如果我将 validate_shape 设置为 True，此异常就会消失，但我需要在构建图形时修复 var 的形状，但我希望它是动态的。尽管如此，如果有人知道如何评估未验证形状变量的 bool 掩码或如何在每个 session 中重新初始化 var 的形状(可能无需重建整个图形)，我将非常感激。

Answer 1

好的，我同时解决了这个问题，事实证明这个解决方案难以置信简单。虽然在定义变量时似乎不可能指定带有“无”条目的形状(因此只指定其等级)，但可以在 var.set_shape() 之后立即执行此操作像这样:

import tensorflow as tf    

init_var = tf.placeholder(dtype=tf.float64, shape=[None])
var = tf.Variable(init_var,dtype=tf.float64,validate_shape=False)
var.set_shape([None])
booled = tf.boolean_mask(var, var>0)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer(), { init_var: [1,-2,3] } )
    print sess.run([booled])

现在它完全符合我的期望!