Tensorflow，更新变量使其具有任意形状

因此，根据，我们可以使用tf.assign和validate_shape=False来更改形状。它确实会更改变量内容的形状，但是您可以从get_shape（）获得的形状不会得到更新。例如：

>>> a = tf.Variable([1, 1, 1, 1])
>>> sess.run(tf.global_variables_initializer())
>>> tf.assign(a, [[1, 1, 1, 1, 1, 1, 1], [1, 1, 1, 1, 1, 1, 1]], validate_shape=False).eval()
array([[1, 1, 1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1, 1, 1]], dtype=int32)
>>> a.get_shape()
TensorShape([Dimension(4)])

很烦人的是，网络的后续层将其形状基于此变量的get_shape（）值。因此，即使实际形状正确，Tensorflow也会抱怨尺寸不匹配。那么，关于如何更新每个变量的“可信”形状有什么想法吗？

简而言之：用于更新变量的静态形状

---

通过阅读以下内容，您可以了解发生了什么：

在TensorFlow中，张量既有静态（推断）形状，也有静态形状 动态（真实）形状。可以使用

tf.Tensor.get_shape

方法：此形状是从操作中推断出来的 用于创建张量的，可能是部分完整的。如果 静态形状没有完全定义，张量t的动态形状 可通过计算

tf.shape（t）

来确定

因此，静态形状没有正确推断，您应该给TF一个提示。幸运的是，同一常见问题解答的下面几行告诉您该怎么做：

tf.Tensor.set_shape方法更新张量的静态形状 对象，它通常用于提供附加形状 无法直接推断时的信息。它不会改变 张量的动态形状

---

由于

validate\u shape

设置为false，变量的静态形状不会在图形中自动更新。扭转是用新形状（已知）手动设置

---

是否设置形状？

set\u shape

将尝试根据现有形状信息进行验证。我会在创建变量时设置

validate\u shape=False

，在这种情况下，静态形状信息将完全未知（如果愿意，您可以使用

set\u shape

对其进行优化）。我会尝试一下。谢谢

a = tf.Variable([1, 1, 1, 1], validate_shape=False)
sess.run(tf.global_variables_initializer())
new_arr_assign = np.array([[1, 1, 1, 1, 1, 1, 1], [1, 1, 1, 1, 1, 1, 1]])
tf.assign(a, new_arr_assign, validate_shape=False).eval(session=sess)
a.set_shape(new_arr_assign.shape)
a.get_shape()
# results: TensorShape([Dimension(2), Dimension(7)])