Python 构造一个在传递给tf.concat（）时表现为空的TensorFlow张量

我正在构造一个计算图，它的拓扑结构根据一些超参数而变化。在某个时刻，会发生连接：

c = tf.concat([a, b], axis=-1)

张量

a

具有形状

（无，m）

。 张量

b

具有形状

（无，n）

，其中

n

取决于超参数。对于超参数的一个值，张量

b

在概念上应为空，例如，我们希望

c

和

a

相同

我可以通过以下方法成功构建图形：

b = tf.placeholder(tf.float32, (None, 0), name="Empty")

但是，如果我运行一个会话，TensorFlow会引发一个

InvalidArguMemError

声明：

You must feed a value for placeholder tensor 'Empty' with dtype float and shape [?,0]

有没有办法构造一个在

concat

操作中表现为空的张量，但不需要输入虚假输入

显然，我知道我可以在构建图的代码中添加一个特例、包装器等。我希望避免这种情况

完整代码：

import tensorflow as tf
import numpy as np

a = tf.placeholder(tf.float32, (None, 10))
b = tf.placeholder(tf.float32, (None, 0), name="Empty")
c = tf.concat([a, b], axis=-1)
assert c.shape.as_list() == [None, 10]

with tf.Session() as sess:
    a_feed = np.zeros((100, 10))
    c = sess.run(c, {a : a_feed})

您可以使用不需要输入占位符的

import tensorflow as tf
import numpy as np

# Hparams
batch_size = 100
a_dim = 10
b_dim = 0

# Placeholder for a which is required to be fed.
a = tf.placeholder(tf.float32, (None, a_dim))

# Placeholder for b, which doesn't have to be fed.
b_default = np.zeros((batch_size, b_dim), dtype=np.float32)
b = tf.placeholder_with_default(
    b_default, (None, b_dim), name="Empty"
)
c = tf.concat([a, b], axis=-1)
assert c.shape.as_list() == [None, a_dim + b_dim]

with tf.Session() as sess:
    a_feed = np.zeros((batch_size, a_dim))
    b_feed = np.ones((batch_size, b_dim))
    c_out = sess.run(c, {a : a_feed})
    # You can optionally feed in b:
    # c_out = sess.run(c, {a : a_feed, b : b_feed})
    print(c_out)

---

如果您不是使用

tf.placeholder（）

来提供数据，而是使用

tf.Estimator

，那么解决方案很简单，因为您可以定义：

b = tf.zeros([a.shape[0].value, 0])

如果a的形状已知

c = tf.concat([a,b],axis=-1)
assert c.shape == a.shape

---

将始终成功。

如消息所示，您还必须为b提供反馈

with tf.Session() as sess:
    a_feed = np.zeros((100, 10))
    b_feed = np.zeros((100, 0)) 
    c = sess.run(c, {a : a_feed, b: b_feed})

---

它在我的电脑上传递

为什么不在b为空时将一个无意义的numpy传递给b？因为此代码的使用者不需要知道这个奇怪的空占位符，它的唯一目的是使

concat

在特殊情况下工作。在问题中，我问：“有没有办法构造一个在

concat

操作中表现为空的张量，但不需要输入虚假的输入？”-因此我特别试图避免您描述的解决方案。