Tensorflow 变尺寸张量流常数

我有一个可变的批量大小，所以我所有的输入都是

tf.placeholder(tf.float32, shape=(None, ...)

接受可变的批量大小。但是，如何创建具有可变批量大小的常量值？问题在于这一行：

log_probs = tf.constant(0.0, dtype=tf.float32, shape=[None, 1])

这给了我一个错误：

TypeError: unsupported operand type(s) for *: 'NoneType' and 'int'

我确信可以初始化一个具有可变批量大小的常数张量，我该怎么做呢

我还尝试了以下方法：

tf.constant(0.0, dtype=tf.float32, shape=[-1, 1])

我得到这个错误：

ValueError: Too many elements provided. Needed at most -1, but received 1

A在图形构建时具有固定的大小和值，因此它可能不适合您的应用程序

如果试图创建具有动态大小且每个元素的值相同（恒定）的张量，可以使用和创建形状适当的张量。例如，要创建与

input

形状相同的张量

t

，并且值

0.5

无处不在：

input = tf.placeholder(tf.float32, shape=(None, ...))

# `tf.shape(input)` takes the dynamic shape of `input`.
t = tf.fill(tf.shape(input), 0.5)

---

同样，您也可以使用来避免用动态形状具体化张量。例如，如果

input

具有形状

（无，32）

且

t

具有形状

（1，32）

，则计算

tf.mul（input，t）

将在第一维度上广播

t

，以匹配

input
的形状，假设您想使用
log probs
执行某些操作。例如，您希望对张量
v
和常数
log\u probs
执行幂运算。你想让log_probs的形状随着v的形状而变化

v = tf.placeholder(tf.float32, shape=(None, 1)
log_probs = tf.constant(0.0, dtype=tf.float32, shape=[None, 1])
result = tf.pow(v, log_probs)

但是，不能构造常量
log\u probs
。然而，首先，您可以使用shape=[1]
log\u prob=tf.constant（0.0，dtype=tf.float32，shape=[None，1]）构造tf.constant
。然后使用
tf.map\u fn（）
对v的每个元素执行pow操作

v = tf.placeholder(tf.float32, shape=(None, 1)
log_prob = tf.constant(0.0, dtype=tf.float32, shape=[1])
result = tf.map_fn(lambda ele : tf.pow(ele, log_prob), v)

您不能--“tf.constant”显式构造数组，因此它需要知道维度。然而，许多tensorflow操作都支持广播，所以您可以使用它来代替吗？如果我希望形状仅取决于批次大小，该怎么办？假设我的输入张量为shape
（batch\u size、height、width、num\u channels）
，其中batch\u size为None。我想创建一个用值填充的形状张量
（批量大小）
。你可以使用相同的方法：
height\u vector=tf.fill（tf.shape（输入张量）[0:1]，tf.shape（输入张量）[1]）
。这也很好：
height\u vector=tf.fill（[tf.shape（输入张量）[0]，tf.shape（输入张量）[1]）