Python Tensorflow：如何将行占位符重塑为列占位符

我想将行占位符（例如，

[1,2]

）转换为列占位符（例如，

[1,2]]

y = tf.placeholder(tf.int32, shape=[None], name='target')
y = tf.reshape(y, (y.shape[0], 1))

init = tf.global_variables_initializer()
with tf.Session() as sess:
    init.run()
    print(sess.run(y, feed_dict={y:[1,2]}))

但我有一个错误：

TypeError: Failed to convert object of type <class 'tuple'> to Tensor. Contents: (Dimension(None), 1). Consider casting elements to a supported type.

TypeError:无法将类型的对象转换为Tensor。内容：（维度（无），1）。将铸造元素考虑为支持类型。

---

问题在于

y.shape[0]

的用法。y的尺寸定义为

None

。我还尝试了

tf.shape（y）

，但效果并不理想

使用tf.expand_dims（）将行转换为列

---

但是，在输入数据时还有另一个问题，因为简单地向张量添加维度并不能定义其形状，而只是添加一个额外的索引。这是另一个你可以独立发布的问题

我不确定您是不是有意的，但您不能在运行时更改tensorflow中节点的形状。因此，由于

目标

被定义为

[？]

占位符，它将保持不变

相反，您可以使用

tf.expand_dims

函数将其转换为一个新的张量（它不会是占位符！），如前所述。这意味着您仍然必须输入

[？]

数组，但您可以在计算中使用经过整形的张量

y=tf.placeholder（tf.int32，shape=[None]，name='target'）
z=tf.展开_dims（y，轴=1）#另一个张量
使用tf.Session（）作为sess：
tf.global_variables_initializer（）.run（）
打印（sess.run（z，feed_dict={y:[1,2]}））

y = tf.placeholder(tf.int32, shape=[None], name='target')
y = tf.expand_dims(y,axis=1)