Python 在训练不同的形状时，张肌收缩

嗨，伙计们，我将讨论如何在训练时用自己定义的张量对象连接张量对象，我正在训练自动编码器模型

这是我的代码：

def IFFT(sig, name=None):

    nol = tf.zeros([1,12],tf.complex64)
    pv = tf.fill([1,8],3+3j)
    pv = tf.cast(pv,dtype=tf.complex64)
    nol = tf.expand_dims(pv,axis=1)
    pv = tf.expand_dims(pv,axis=1)
    return Lambda(lambda x : tf.ifft(tf.concat([nol,x,pv,nol],axis=-1)), name=name, output_shape=(1,64))(sig)

当我运行代码时，我有一个错误

InvalidArgumentError: ConcatOp : Dimensions of inputs should match: shape[0] = [1,1,12] vs. shape[1] = [64,1,32]
     [[{{node 32-IFFT/concat}}]]
     [[{{node loss/add}}]]

---

任何人都可以帮助我吗？

处理批处理的一种方法是创建一个名为BATCH\u SIZE的变量，然后手动输入数据的所需批大小。如果您执行的自定义操作中没有批量大小可能不适合您，或者您需要对数据进行更多控制，则通常会执行此操作

我复制了您的代码，并假设了X变量的形状（1,32），因为它没有包含在您的代码片段中

import tensorflow as tf
print('TensorFlow Version : {}'.format(tf.__version__)) # Using TensorFlow 2.1.0

BATCH_SIZE = 64

nol = tf.zeros([BATCH_SIZE,1,12],tf.complex64)
pv = tf.fill([BATCH_SIZE,1,8],3+3j)
pv = tf.cast(pv,dtype=tf.complex64)

#Assuming your data X based on your error
x = tf.zeros([BATCH_SIZE,1,32],tf.complex64)

# Verification 1
tf.signal.ifft(tf.concat([nol,x,pv,nol],axis=-1)) 

# Verification 2
tf.keras.layers.Lambda(lambda x : tf.signal.ifft(tf.concat([nol,x,pv,nol],axis=-1)), output_shape=(1,64))(x) 

在处理批处理数据时，这是一种常见的方法，因为在整个代码中，更容易被引用，并且更加一致

修改代码：

---

处理批处理的一种方法是创建一个名为BATCH\u SIZE的变量，并手动输入数据的所需批大小。如果您执行的自定义操作中没有批量大小可能不适合您，或者您需要对数据进行更多控制，则通常会执行此操作

我复制了您的代码，并假设了X变量的形状（1,32），因为它没有包含在您的代码片段中

import tensorflow as tf
print('TensorFlow Version : {}'.format(tf.__version__)) # Using TensorFlow 2.1.0

BATCH_SIZE = 64

nol = tf.zeros([BATCH_SIZE,1,12],tf.complex64)
pv = tf.fill([BATCH_SIZE,1,8],3+3j)
pv = tf.cast(pv,dtype=tf.complex64)

#Assuming your data X based on your error
x = tf.zeros([BATCH_SIZE,1,32],tf.complex64)

# Verification 1
tf.signal.ifft(tf.concat([nol,x,pv,nol],axis=-1)) 

# Verification 2
tf.keras.layers.Lambda(lambda x : tf.signal.ifft(tf.concat([nol,x,pv,nol],axis=-1)), output_shape=(1,64))(x) 

在处理批处理数据时，这是一种常见的方法，因为在整个代码中，更容易被引用，并且更加一致

修改代码：

---

正如错误所说，两个数组的前二维数字必须相同。您需要使维度0匹配（目前它们是1和64），因为我的批处理大小也是64。但是如果我访问sig.shape（）它会说[？，1,32]。我怎么知道“？”的值呢？正如错误所说，两个数组的前二维数必须相同。您需要使维度0匹配（目前它们是1和64），因为我的批处理大小也是64。但是如果我访问sig.shape（）它会说[？，1,32]。我怎么知道“？”的值呢？谢谢，它对我有用，只需要稍微调整一下我的数据集长度谢谢，它对我有用，只需要稍微调整一下我的数据集长度