Matrix 如何更改TensorFlow中变量的形状？

表示在创建时，我们需要指定张量的形状。该形状自动成为张量的形状。它还说TensorFlow提供了重塑变量的高级机制。我该怎么做？有代码示例吗？

请查看TensorFlow文档。它描述了可用的不同形状变换

最常见的函数可能是，它类似于它的numpy等价函数。它允许您指定所需的任何形状，只要元素数保持不变。文档中提供了一些示例。

重塑方法。它们是：

• 重塑
• 挤压（从张量形状中删除大小为1的尺寸）
• 展开尺寸标注（添加尺寸为1的尺寸标注）

以及获取张量的

形状

，

大小

，

等级

的一系列方法。可能最常用的是

重塑

，下面是一个代码示例，其中包含两个边缘情况（-1）：

类是创建变量的推荐方法，但它限制了您在创建变量后更改其形状的能力

如果需要更改变量的形状，可以执行以下操作（例如，对于32位浮点张量）：

请注意，此功能不在有文档记录的公共API中，因此可能会发生更改。如果您确实发现自己需要使用此功能，请告诉我们，我们可以研究一种支持它向前发展的方法

tf.Variable(tf.placeholder(tf.float32))

在tensorflow 1.2.1中无效

在python shell中：

import tensorflow as tf
tf.Variable(tf.placeholder(tf.float32))

您将获得：

ValueError: initial_value must have a shape specified: Tensor("Placeholder:0", dtype=float32)

更新：如果添加

validate\u shape=False

，则不会出现错误

tf.Variable(tf.placeholder(tf.float32), validate_shape=False)

如果

tf.py_func

符合您的要求：

def init():
    return numpy.random.rand(2,3)
a = tf.pyfun(init, [], tf.float32)

通过传递自己的init函数，可以创建具有任何形状的变量

另一种方式：

var = tf.get_varible('my-name', initializer=init, shape=(1,1))

---

您可以传递

tf.constant

或任何返回numpy数组的

init

函数。将不会验证提供的形状。输出形状是真实的数据形状。

tf.Variable

：将

shape

参数与

None

1.14中的一个函数，允许指定未知形状

如果

shape

为

None

，则使用初始形状值

如果指定了

形状

，则该形状将用作形状，并允许使用

无

例如：

var = tf.Variable(array, shape=(None, 10))

这允许以后使用与上述形状匹配的形状指定值（例如，轴0中的任意形状）

---

var.assign（new_value）

正如Mayou36所说，您现在可以在首次声明变量形状后更改它。以下是一个工作示例：

v = tf.Variable([1], shape=tf.TensorShape(None), dtype=tf.int32) 
tf.print(v)
v.assign([1, 1, 1])
tf.print(v)

这就产生了：

[1]
[1 1 1]

---

这种方法的问题是

var.shape

没有相应地更新。当存储检查点时，这种情况会持续存在，从而防止再次加载检查点，因为变量形状与权重形状不匹配。有没有办法强制

var.shape

更新？我应该创建一个GitHub问题吗？我发现了这个线程，正在讨论这个问题：但是，我想知道是否有办法扩展现有网络的权重现在行为已经改变了，如果将

shape

指定为参数，则形状不再自动成为变量的形状。下面是我的答案。这不会改变变量的形状，但会返回一个张量，该张量具有变量的值，但具有新的形状。

v = tf.Variable([1], shape=tf.TensorShape(None), dtype=tf.int32) 
tf.print(v)
v.assign([1, 1, 1])
tf.print(v)

[1]
[1 1 1]