python - TensorFlow 初始化张量

Question

所以假设我有一个张量

X = tf.placeholder("float", [None, 5])

这样我就知道列数但不知道行数。我需要初始化一个维度的向量nrows x 1

现在下面的代码块不起作用，

o = tf.ones(shape=(tf.shape(X)[0], 1))
==> TypeError: List of Tensors when single Tensor expected

也没有，

o = tf.ones(shape=(X.get_shape()[0].value, 1))
==> TypeError: Input 'dims' of 'Fill' Op has type 
    string that does not match expected type of int32.

现在，我发现解决这个问题的一种方法是让我的向量成为占位符，

o = tf.placeholder(dtype=tf.float32, shape=[None, 1])

并在我的feed_dict. 但是这个解决方案让我觉得不雅，而不是占位符的预期用途。我在这里可能是错的，但肯定有更好的方法。

Answer 1

解决问题的方法是使用 tf.pack 操作：

o = tf.ones(shape=tf.pack([tf.shape(X)[0], 1]))

您遇到错误的原因是 TensorFlow 形状应该是整数列表或张量链接。tf.pack 可以轻松地将整数列表和/或 TensorFlow 标量转换为 Tensor 对象。

Answer 2

试试这个：

0 * tf.identity(X) + 1