Python Tensorflow合并维度和反向合并

假设我有一个形状为[3,5,200,300,3]的张量。如何将前两个dim合并在一起，使其具有形状为的张量

[15，200，300，3]

？然后，我应该能够反向合并操作并具有原始形状。

您可以使用

tf.restrape

a = tf.random_normal(shape=(3, 5, 200, 300, 3))
b = tf.reshape(a, shape=(15, 200, 300, 3))
...
c = tf.reshape(b, shape=(3, 5, 200, 300, 3))

---

以下函数合并和拆分张量的前两个维度，推断其静态或动态形状

def infer_shape(x):
    x = tf.convert_to_tensor(x)

    # If unknown rank, return dynamic shape
    if x.shape.dims is None:
        return tf.shape(x)

    static_shape = x.shape.as_list()
    dynamic_shape = tf.shape(x)

    ret = []
    for i in range(len(static_shape)):
        dim = static_shape[i]
        if dim is None:
            dim = dynamic_shape[i]
        ret.append(dim)

    return ret

def merge_first_two_dims(tensor):
    shape = infer_shape(tensor)
    shape[0] *= shape[1]
    shape.pop(1)
    return tf.reshape(tensor, shape)


def split_first_two_dims(tensor, dim_0, dim_1):
    shape = infer_shape(tensor)
    new_shape = [dim_0] + [dim_1] + shape[1:]
    return tf.reshape(tensor, new_shape)

---

一般来说，您可以这样做，这不依赖于具有静态形状：

a = tf.ones([3, 5, 200, 300, 3])
b = tf.reshape(a, tf.concat([[tf.shape(a)[0] * tf.shape(a)[1]], tf.shape(a)[2:]], axis=0))

---

当我们不知道确切的形状时，有没有办法改变尺寸的数量？（或者我们应该用tf.shape来称呼tf.reforme吗？@Khaj你可以用符号标注

tf.reforme

，所以是的，你所描述的会起作用（但是，组装符号形状有时很复杂）。如果只有一个未知维度，那么您可以通过指定-1自动推断它，例如：

tf.reformate（b，shape=（-1,20,30））

。