Python TensorFlow馈送一个整数

我试图对可变的输入大小进行卷积。为了实现这一点，我使用了1的批量大小。但是，其中一个节点是max pooling节点，它需要输入的形状作为列表

ksize

：

 pooled = tf.nn.max_pool(
                h,
                ksize=[1, self.input_size - filter_size + 1, 1, 1],
                strides=[1, 1, 1, 1],
                padding='VALID',
                name="pool")

现在，显然可以从输入（占位符）推断输入大小：

但是我不能使用

self.input\u x.get\u shape（）[0]

，因为形状是动态的。因此，我打算在每一步将输入大小作为feed_dict传递。但是，我不知道如何在提要中传递整数。每个占位符都是张量，因此如果我这样做：

self.input_size = tf.placeholder(tf.int32, shape=(), name="input_size")

我必须执行

self.input\u size.eval（）

来获取int值，这给了我一个错误，我需要输入

input\u size

。我猜这是因为eval在训练步骤发生之前触发了计算，此时输入大小没有值

---

有没有一种方法可以动态地获得一个运算来计算输入的形状，或者是一种将整数传递给训练步骤的方法？

我不确定这是否是最好的方法，但您可以在一个列表中动态地获得

self.input_x

的形状：

input_shape = tf.unpack(tf.shape(self.input_x))

tf.shape（self.input_x）

为您提供一个表示self.input_x形状的张量，并

f.unpack

将其转换为张量列表

现在，您可以使用以下各项创建最大池节点：

pooled = tf.nn.max_pool(
                h,
                ksize=tf.pack([1, input_size[1] - filter_size + 1, 1, 1]),
                strides=[1, 1, 1, 1],
                padding='VALID',
                name="pool")

---

（如果您需要输入x的第二个维度）

我不确定这是不是最好的方法，但您可以动态地获得

self的形状。输入x在一个列表中，包含：

input_shape = tf.unpack(tf.shape(self.input_x))

tf.shape（self.input_x）
为您提供一个表示self.input_x形状的张量，并
f.unpack
将其转换为张量列表

现在，您可以使用以下各项创建最大池节点：

pooled = tf.nn.max_pool(
                h,
                ksize=tf.pack([1, input_size[1] - filter_size + 1, 1, 1]),
                strides=[1, 1, 1, 1],
                padding='VALID',
                name="pool")

（如果需要输入x的第二维）
它仍然返回张量列表。我需要第二维度的实际值（整数），并且在运行时。这就是为什么我想把它作为一个参数“feed”，然而，看起来我只能feed张量？你能用“input_size=tf.placeholder（tf.int32）”来feed一个整数吗？它适合我，但我在TFR0.8上，我没有尝试最新版本。对于张量列表问题，我修改了我的答案。我不明白为什么，但是tf.pack ksize数组应该可以工作……这是tf中的一个问题。不管你做什么-ksize将在施工时进行评估，因此这是不可能实现的。啊，好的，对不起。对于tf.reforme或tf.image.resize_images函数，我通常会动态获得张量的形状。我希望它适用于tf.nn.max_pool…请注意：
tf.pack
在Tensorflow 1.0中被重命名为
tf.stack
，它仍然返回一个张量列表。我需要第二维度的实际值（整数），并且在运行时。这就是为什么我想把它作为一个参数“feed”，然而，看起来我只能feed张量？你能用“input_size=tf.placeholder（tf.int32）”来feed一个整数吗？它适合我，但我在TFR0.8上，我没有尝试最新版本。对于张量列表问题，我修改了我的答案。我不明白为什么，但是tf.pack ksize数组应该可以工作……这是tf中的一个问题。不管你做什么-ksize将在施工时进行评估，因此这是不可能实现的。啊，好的，对不起。对于tf.reforme或tf.image.resize_images函数，我通常会动态获得张量的形状。我希望它适用于tf.nn.max_pool…只需注意：
tf.pack
在Tensorflow 1.0中被重命名为
tf.stack