python - Tensorflow:使用 tf.slice 分割输入

Question

我正在尝试将我的输入层分成不同大小的部分。我正在尝试使用 tf.slice 来执行此操作，但它不起作用。

一些示例代码:

import tensorflow as tf
import numpy as np

ph = tf.placeholder(shape=[None,3], dtype=tf.int32)

x = tf.slice(ph, [0, 0], [3, 2])

input_ = np.array([[1,2,3],
                   [3,4,5],
                   [5,6,7]])

with tf.Session() as sess:
        sess.run(tf.initialize_all_variables())
        print sess.run(x, feed_dict={ph: input_})

输出:

[[1 2]
 [3 4]
 [5 6]]

这行得通并且大致是我想要发生的事情，但我必须指定第一个维度(在本例中为 3)。我不知道我将输入多少向量，这就是为什么我首先使用 placeholder 和 None 的原因!

是否有可能以这样一种方式使用 slice，即当维度在运行时未知时它可以工作？

我试过使用从 ph.get_shape()[0] 中获取值的 placeholder，如下所示:x = tf.slice(ph , [0, 0], [num_input, 2])。但这也不起作用。

Answer 1

您可以在tf.slice 的size 参数中指定一个负维度。负维度告诉 Tensorflow 根据其他维度的决定动态确定正确的值。

import tensorflow as tf
import numpy as np

ph = tf.placeholder(shape=[None,3], dtype=tf.int32)

# look the -1 in the first position
x = tf.slice(ph, [0, 0], [-1, 2])

input_ = np.array([[1,2,3],
                   [3,4,5],
                   [5,6,7]])

with tf.Session() as sess:
        sess.run(tf.initialize_all_variables())
        print(sess.run(x, feed_dict={ph: input_}))