tensorflow - 在 tensorflow 中展平批处理

Question

我有一个形状为 [None, 9, 2] 的 tensorflow 的输入(其中 None 是批处理)。

要对其执行进一步的操作(例如 matmul)，我需要将其转换为 [None, 18]形状。怎么做？

Answer 1

您可以使用 tf.reshape() 轻松完成，而无需知道批量大小。

x = tf.placeholder(tf.float32, shape=[None, 9,2])
shape = x.get_shape().as_list()        # a list: [None, 9, 2]
dim = numpy.prod(shape[1:])            # dim = prod(9,2) = 18
x2 = tf.reshape(x, [-1, dim])           # -1 means "all"

-1最后一行表示整列，无论运行时的批处理大小如何。您可以在 tf.reshape() 中看到它.

更新:形状 = [无，3，无]

谢谢@kbrose。对于超过 1 个维度未定义的情况，我们可以使用 tf.shape()与 tf.reduce_prod()或者。

x = tf.placeholder(tf.float32, shape=[None, 3, None])
dim = tf.reduce_prod(tf.shape(x)[1:])
x2 = tf.reshape(x, [-1, dim])

tf.shape() 返回一个可以在运行时评估的形状张量。 tf.get_shape() 和 tf.shape() 的区别可见 in the doc .

我也在另一个 .contrib.layers.flatten() 中尝试过。第一种情况最简单，但不能处理第二种情况。