2

我有一个 nD 数组。我需要根据尺寸创建一维范围张量。

例如：

x = tf.placeholder(tf.float32, shape=[None,4]) 
  
r = tf.range(start=0, limit=, delta=x.shape[0],dtype=tf.int32, name='range')

sess = tf.Session()

result = sess.run(r, feed_dict={x: raw_lidar})
print(r)

问题是，在构建计算图时 x.shape[0] 不存在。所以我不能使用范围来构建张量。它给出了一个错误。

ValueError: Cannot convert an unknown Dimension to a Tensor: ?

对问题的任何建议或帮助。

提前致谢

4

1 回答 1

1

x.shape[0]运行此代码时可能尚不存在图形模式。如果你想要一个值，你需要使用tf.shape(x)[0].

有关该行为的更多信息，请参阅tf.Tensor.get_shape. 摘录（重点是我的）：

tf.Tensor.get_shape() 等价于 tf.Tensor.shape。

在 tf.function 中执行或使用 tf.keras.Input 构建模型时，Tensor.shape 可能会返回部分形状（包括未知尺寸的 None）。有关更多详细信息，请参阅 tf.TensorShape。

>>> inputs = tf.keras.Input(shape = [10])
>>> # Unknown batch size
>>> print(inputs.shape)
(None, 10)

形状是使用为每个 tf.Operation 注册的形状推断函数计算的。返回的 tf.TensorShape 在构建时确定，无需执行底层内核。它不是 tf.Tensor。如果您需要形状张量，请将 tf.TensorShape 转换为 tf.constant，或使用 tf.shape(tensor) 函数，该函数在执行时返回张量的形状。

于 2021-02-05T15:19:33.247 回答