Python 如何在tensorflow中创建重塑层？

当我有形状[2,2,2]的数据时，例如：

a = np.array([[(1,2), (3,4)],
              [(5,6), (7,8)]
              ])

b = np.array([[1,0],
              [0,1]])

我希望层输出[2,2]，例如：

a = np.array([[(1,2), (3,4)],
              [(5,6), (7,8)]
              ])

b = np.array([[1,0],
              [0,1]])

如何构建层？我当前的设置返回[2,2,1]的形状，我似乎无法在图层的units变量中指定尺寸：

tf_x = tf.placeholder(tf.float32, [None, 2, 2]) 

output = tf.layers.dense(tf_x, 1, tf.nn.relu) 

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())    
    pred = sess.run(output, {tf_x: a})

---

您可以这样做：

b = tf.reshape(a, shape)

我当前的设置返回[2,2,1]的形状，我似乎无法在图层的units变量中指定尺寸：

---

我的问题是，逻辑上，每一行[（a1，b1），（a2，b2）]中的（a，b）属于一起，第二个变量b依赖于a（即，逻辑上，即使b1=b2，如果a1！=a2，它们也不相等）。如果我以这种方式对其进行重塑，它将看起来像[a1，b1，a2，b2]，其中这两个数字的逻辑配对可能会丢失，即如果b1=b2，重塑后的行将包含相同的数字两次，即使它们的意思不同。这是重塑数据的正确方法吗？这只是在处理前后重塑数据，不是吗？我想也许你可以在图层中指定。不管怎样，谢谢。不是真的，它使用矩阵将输入数组映射到输出数组。重塑是将数据转换成所需的形状

output=tf.layers.dense（tf_x，4，tf.nn.relu）

这里您指定了输出元素的数量。