Python 串联Tensorflow中的空数组

基本上，我的问题和Tensorflow的问题一样

主要的动机是以比使用if语句更漂亮的方式处理初始数组。我当前的伪代码是：

E = None
for a in A:
    if E is None:
        E = a
    else:
        E = tf.concat([E, a], axis=0)

这项技术很有效，但我想让它变得更漂亮，也许只使用

tf.Tensor

。这是一个自定义层的代码，所以我对在模型中工作的代码感兴趣

我想要一个更接近已接受响应的解决方案，初始化E为：

E=np.array（[]，dtype=np.int64）。重塑（0,5）

这已经足够接近了，但当我初始化为：

E = tf.zeros([a.shape[0], a.shape[1], 0])
...

---

我得到一个空的张量，结果只有正确的形状，但没有填充。

在TF2中，您可以简单地使用TensorFlow函数移植numpy解决方案：

>>> xs = tf.constant([[1,2,3,4,5],[10,20,30,40,50]])
>>> ys = tf.reshape(tf.constant([], dtype=tf.int32),(0,5))
>>> ys
<tf.Tensor: shape=(0, 5), dtype=int32, numpy=array([], shape=(0, 5), dtype=int32)>
>>> tf.concat([ys,xs], axis=0)
<tf.Tensor: shape=(2, 5), dtype=int32, numpy=
array([[ 1,  2,  3,  4,  5],
       [10, 20, 30, 40, 50]], dtype=int32)>

xs=tf.常数（[1,2,3,4,5]，[10,20,30,40,50]） >>>ys=tf.reforme（tf.constant（[]，dtype=tf.int32），（0,5）） >>>ys >>>tf.concat（[ys，xs]，轴=0）

---

在TF2中，您可以简单地使用TensorFlow函数移植numpy解决方案：

>>> xs = tf.constant([[1,2,3,4,5],[10,20,30,40,50]])
>>> ys = tf.reshape(tf.constant([], dtype=tf.int32),(0,5))
>>> ys
<tf.Tensor: shape=(0, 5), dtype=int32, numpy=array([], shape=(0, 5), dtype=int32)>
>>> tf.concat([ys,xs], axis=0)
<tf.Tensor: shape=(2, 5), dtype=int32, numpy=
array([[ 1,  2,  3,  4,  5],
       [10, 20, 30, 40, 50]], dtype=int32)>

xs=tf.常数（[1,2,3,4,5]，[10,20,30,40,50]） >>>ys=tf.reforme（tf.constant（[]，dtype=tf.int32），（0,5）） >>>ys >>>tf.concat（[ys，xs]，轴=0）

---

我试着这么做，结果得到：

***tensorflow.python.framework.errors\u impl.InvalidArgumentError:ConcatOp:输入的维度应该匹配：shape[0]=[0,1,2,3]vs.shape[1]=[1,1,2,3][Op:ConcatV2 name:concat

。我的E是

，a是

，我无法复制。您确定要沿正确的

轴连接吗？Ups，您是对的！我用的是另一个轴！感谢我尝试这么做，我得到：
***tensorflow.python.framework.errors\u impl.invalidargumeinterror:ConcatOp:输入的维度应该匹配：shape[0]=[0,1,2,3]vs.shape[1]=[1,1,2,3][Op:ConcatV2 name:concat
。我的E是
，a是
，我无法复制。您确定要沿正确的
轴连接吗？Ups，您是对的！我用的是另一个轴！谢谢