Python Tensorflow 2：如何在自定义损耗中使用Tensory_的形状？

我将一个列表

a

传递给我的自定义函数，在将其转换为常数张量后，我想

tf.tile

它。我平铺的次数取决于

y\u true

的形状。我不知道怎样才能把

y\u true

的形状变成整数。代码如下：

def getloss（a）：
a=tf.常数（a，tf.float32）
def损失（y_真，y_pred）：
a=tf.重塑（a，[1,1，-1]）
ytrue_shape=y_true。获取_shape（）。作为_list（）？？？？
倍数=tf.常数（[ytrue_形状[0]，ytrue_形状[1]，1]，tf.int32）
a=tf.tile（a，倍数）
#...
回波损耗

---

我尝试了

y\u true.get\u shape（）.as\u list（）

但它报告了一个错误，因为编译模型时第一个维度（批量大小）是

None

。有什么方法可以在这里使用

y\u true

的形状吗？

在构建模型期间尝试访问张量的形状时，如果不是所有形状都已知，最好使用。将在运行模型时对其进行评估，如文档中所述：

tf.shape和Tensor.shape在渴望模式下应该相同。在tf.function或compat.v1上下文中，直到执行时才可能知道所有维度。因此，在为图形模式定义自定义层和模型时，更喜欢动态tf.shape（x）而不是静态x.shape

ytrue\u shape=tf.shape（y\u true）

这将产生一个张量，因此使用TF ops获得您想要的：

multiples = tf.concat((tf.shape(y_true_shape)[:2],[1]),axis=0)

---

但是

tf.shape（y\u true）

给出了一个张量，这意味着我不能在第六行中使用ytrue\u shape[0]或ytrue\u shape[1]作为整数。如果我使用

tf.shape（y\u true）

它将报告一个类型错误：预期为int32，改为“Tensor”类型。是的，对我来说很明显，您需要tensorflow ops来获得您想要的。我加了一句简短的评论。下次我会更彻底。哇，我从没想过我能用这种方式实现它。你真的启发了我。多谢各位！