Python 如何将无量纲添加回张量？

我在Lambda层中做了一些转换，现在我有了shape

（1，）

，我如何回到

（无，1）

这是我的手术

def function_lambda(x):
    import keras.backend

    aux_array = keras.backend.sign(x)
    #the shape is (?, 11) here OK

    aux_array = keras.backend.relu(aux_array)
    #the shape is (?, 11) here still OK

    aux_array = keras.backend.any(aux_array)
    #the shape is () here not OK

    aux_array = keras.backend.reshape(aux_array, [-1])
    #now the shape is (1,) almost OK

    return aux_array

---

如何重塑并放回

None

批处理维度？

如果您有一个完全定义的形状（如

（1，）

），那么您不需要

None

维度，因为您确切地知道张量有多少个元素。但您可以通过以下两个维度来重塑形状：

aux_array = keras.backend.reshape(aux_array, [-1, 1])

这将为您提供一个具有shape

（1，1）

的数组，该数组与shape

（None，1）

兼容，因此应该可以。请注意，

重塑

中的

-1

表示“需要多少个元素来适应此形状中的张量”，但在这种情况下，您知道只有一个元素，因此使用以下元素也是一样的：

aux_array = keras.backend.reshape(aux_array, [1, 1])

---

因为，同样，形状是完全定义的，您知道每个维度的大小应该是什么。但是，使用

-1

很方便，因为无论您是否完全了解形状，它都会起作用，Keras/TensorFlow会计算出尺寸应该是多少（如果可以计算，尺寸将具有必要的尺寸；如果形状的一部分未知，则

无）。
tf.reforme有一个无法使用的限制“无”维度。据我所知，我们唯一可以定义“无”维度的地方是在tf.placeholder中。以下应该可以使用：

def function_lambda(x):
    import keras.backend

    aux_array = keras.backend.sign(x)
    #the shape is (?, 11) here OK

    aux_array = keras.backend.relu(aux_array)
    #the shape is (?, 11) here still OK

    aux_array = keras.backend.any(aux_array)
    #the shape is () here not OK

    aux_array = keras.backend.placeholder_with_default(aux_array, [None,1])
    #now the shape is (?,1) OK

    return aux_array

附加说明：当尝试使用Google机器学习引擎时，创建新的占位符以重新引入“无”维度非常有用。MLE要求第一个维度（批处理）始终保持“无”“或者未知。
你明白了吗？我也在想同样的问题。你弄明白了吗？我想这没有抓住重点。当定义一个模型来操作Tensorflow中的张量时，通常需要第一个维度为None或？来表示minibatch维度。例如，
[None，12，12]
表示第一个维度未完全指定，将在培训时设置。。在这种情况下，确实需要“无”维度。