tensorflow - 如何 reshape 具有多个 `None` 维度的张量？

Question

我遇到了一个问题来 reshape 一个中间 4D tensorflow 张量 X到 3D 张量 Y ， 在哪里

X形状( batch_size, nb_rows, nb_cols, nb_filters )

Y形状( batch_size, nb_rows*nb_cols, nb_filters )

batch_size = None

当然，当 nb_rows和 nb_cols是已知整数，我可以 reshape X没有任何问题。但是，在我的应用程序中，我需要处理这种情况
nb_rows = nb_cols = None
我该怎么办？我试过 Y = tf.reshape( X, (-1, -1, nb_filters))但它显然无法正常工作。

对我来说，这个操作是确定性的，因为它总是将两个中间轴压缩成一个，同时保持第一个轴和最后一个轴不变。谁能帮我？

Answer 1

在这种情况下，您可以访问 X 的动态形状。通过 tf.shape(X) :

shape = [tf.shape(X)[k] for k in range(4)]
Y = tf.reshape(X, [shape[0], shape[1]*shape[2], shape[3]])