Tensorflow 使用占位符值重塑张量

我想使用[int，-1]符号重塑张量（例如，为了展平图像）。但我不知道第一维度的时间提前。一个用例是在大批量上进行训练，然后在小批量上进行评估

为什么会出现以下错误：

get列表包含“\u Message”类型的张量

import tensorflow as tf
import numpy as np

x = tf.placeholder(tf.float32, shape=[None, 28, 28])
batch_size = tf.placeholder(tf.int32)

def reshape(_batch_size):
    return tf.reshape(x, [_batch_size, -1])

reshaped = reshape(batch_size)


with tf.Session() as sess:
    sess.run([reshaped], feed_dict={x: np.random.rand(100, 28, 28), batch_size: 100})

    # Evaluate
    sess.run([reshaped], feed_dict={x: np.random.rand(8, 28, 28), batch_size: 8})

---

注意：当我在函数外部进行重塑时，它似乎可以工作，但我有很多次使用的非常大的模型，因此我需要将它们保留在一个函数中，并使用参数传递dim。

要使此工作正常，请替换函数：

def reshape(_batch_size):
    return tf.reshape(x, [_batch_size, -1])

def reshape(_batch_size):
    return tf.reshape(x, tf.pack([_batch_size, -1]))

…具有以下功能：

def reshape(_batch_size):
    return tf.reshape(x, [_batch_size, -1])

def reshape(_batch_size):
    return tf.reshape(x, tf.pack([_batch_size, -1]))

出现错误的原因是，需要一个可转换为a的值作为其第二个参数。TensorFlow将自动将Python数字列表转换为一个

tf.Tensor

，但不会自动转换数字和张量的混合列表（如a），而是会引发您看到的一些不直观的错误消息

---

op获取可转换为张量的对象列表，并单独转换每个元素，因此它可以处理占位符和整数的组合。

嗨，所有问题都是由于Keras版本。最重要的是，我尝试了，但没有成功。卸载Keras并通过pip安装。这对我有用

我在keras1.0.2中遇到了这个错误，并用keras1.2.0解决了这个问题

---

希望这会有所帮助。谢谢

稍后在使用tf.pack（）时，我遇到了一些问题

x=reformate（100）

不再允许我执行

x.get\u shape（）.as\u list（）[-1]

。它说Nonetype是不可编辑的，所以它正在丢失形状信息。对此有何评论？请在定义

batch_size

占位符时尝试指定

shape=（）

。您还可以使用

Tensor.set_shape（）

来提供未推断的其他形状信息（如果以后依赖它）。在较新的版本中，

tf.pack

被替换为

tf.stack

，我不能使用包含任何形状信息的列表。有什么帮助吗？