Python 带张量流的CRNN变长输入

我将tensorflow 2.x（2.2.0-dev20200228）与tf.keras一起使用。我最初的问题是，Conv2d层不支持掩蔽，这就是为什么我正在寻找一种解决方法，用于可变长度输入的培训

因此，我最终希望使用

input\u time\u size=None

。据我所知，为此我必须使用

tf.shape

。然而，当我这样做时，我会得到一个错误（见下文），即使使用固定的

输入\u time\u size=20

。改用

model.output.shape

工作。欢迎您提供任何建议

注意，为了简单起见，代码提供了一个精简的网络

将tensorflow导入为tf
num_filters=1
输入时间大小=20
输入频率大小=10
model=tf.keras.Sequential（）
添加（tf.keras.layers.Input（shape=（Input\u time\u size，Input\u frequency\u size，1）））
add（tf.keras.layers.Conv2D（filters=num\u filters，kernel\u size=（10,4），strips=[2,1]））
conv_output_height=tf.shape（model.output）[1]
conv_output_width=tf.shape（model.output）[2]
#这是可行的，但希望使用input\u time\u size=None
#conv_output_height=model.output.shape[1]
#conv_output_width=model.output.shape[2]
model.add（tf.keras.layers.reforme（目标形状=（conv_输出高度，conv_输出宽度*num_过滤器）））
add（tf.keras.layers.RNN（cell=tf.keras.layers.GRUCell（units=1），stateful=False））
添加模型（tf.keras.layers.Dense（单位=1））
model.compile（）

回溯：

回溯（最近一次呼叫最后一次）：
文件“test.py”，第23行，在
add（tf.keras.layers.RNN（cell=tf.keras.layers.GRUCell（units=1），stateful=False））
文件“/home/test/.local/lib/python3.6/site packages/tensorflow/python/training/tracking/base.py”，第456行，在方法包装中
结果=方法（自身、*args、**kwargs）
文件“/home/test/.local/lib/python3.6/site packages/tensorflow/python/keras/engine/sequential.py”，第213行，添加
输出张量=层（自输出[0]）
文件“/home/test/.local/lib/python3.6/site packages/tensorflow/python/keras/layers/recurrent.py”，第652行，在调用中__
返回super（RNN，self）.\u调用\u（输入，**kwargs）
文件“/home/test/.local/lib/python3.6/site packages/tensorflow/python/keras/engine/base\u layer.py”，第896行，在调用中__
自我构建（输入）
文件“/home/test/.local/lib/python3.6/site packages/tensorflow/python/keras/engine/base\u layer.py”，第2403行，在构建中
self.build（输入形状）#pylint:disable=不可调用
文件“/home/test/.local/lib/python3.6/site packages/tensorflow/python/keras/layers/recurrent.py”，第571行，内部版本
self.cell.build（步骤\输入\形状）
文件“/home/test/.local/lib/python3.6/site packages/tensorflow/python/keras/utils/tf_utils.py”，第315行，在包装器中
输出形状=fn（实例，输入形状）
文件“/home/test/.local/lib/python3.6/site packages/tensorflow/python/keras/layers/recurrent.py”，第1747行，内部版本
缓存\u设备=默认的\u缓存\u设备）
文件“/home/test/.local/lib/python3.6/site packages/tensorflow/python/keras/engine/base_layer.py”，第576行，在add_weight中
缓存\u设备=缓存\u设备）
文件“/home/test/.local/lib/python3.6/site packages/tensorflow/python/training/tracking/base.py”，第743行，在“添加变量”和“自定义”getter中
**kwargs_用于（获取者）
make_变量中的文件“/home/test/.local/lib/python3.6/site packages/tensorflow/python/keras/engine/base_layer_utils.py”，第141行
形状=可变形状（如果可变形状，则为无）
文件“/home/test/.local/lib/python3.6/site packages/tensorflow/python/ops/variables.py”，第259行，在调用__
返回cls.\u变量\u v1\u调用（*args，**kwargs）
文件“/home/test/.local/lib/python3.6/site packages/tensorflow/python/ops/variables.py”，第220行，在变量调用中
形状=形状）
文件“/home/test/.local/lib/python3.6/site packages/tensorflow/python/ops/variables.py”，第198行，在
上一个\u getter=lambda**kwargs：默认\u变量\u创建者（无，**kwargs）
文件“/home/test/.local/lib/python3.6/site packages/tensorflow/python/ops/variable\u scope.py”，第2598行，默认为变量
形状=形状）
文件“/home/test/.local/lib/python3.6/site packages/tensorflow/python/ops/variables.py”，第263行，在调用__
返回super（VariableMetaclass，cls）。\调用（*args，**kwargs）
文件“/home/test/.local/lib/python3.6/site packages/tensorflow/python/ops/resource_variable_ops.py”，第1434行，在u init中__
分发策略=分发策略）
文件“/home/test/.local/lib/python3.6/site packages/tensorflow/python/ops/resource_variable_ops.py”，第1567行，在参数的_init_中
初始值（）如果初始值来自于初始值，
文件“/home/test/.local/lib/python3.6/site packages/tensorflow/python/keras/engine/base\u layer\u utils.py”，第121行，在
init_val=lambda:初始值设定项（shape，dtype=dtype）
文件“/home/test/.local/lib/python3.6/site packages/tensorflow/python/ops/init_ops_v2.py”，第548行，在调用中__
比例/=最大值（1.，（扇入+扇出）/2.）
TypeError:不支持+：“NoneType”和“int”的操作数类型

时间步维度可以是动态的，但在本例中，

转换输出宽度必须是固定的，即以下工作：

conv_output_height=tf.shape（model.output）[1]
conv_output_width=model.output.shape[2]

然而，培训失败，出现了一些与急切执行相关的错误。我会发布一个解决方案，一旦我有它

编辑：以下是最终解决方案：

conv_输出_高度=-1
conv_output_width=model.output.shape[2]