Tensorflow 在TensoFlow中构造图形时获取图层形状？

当我使用

    concat = tf.concat([query_rep, title_rep, cos_similarity], axis=1)
    print(concat.shape[1].value)
    # query_rep + title_rep + cos_similarity
    hidden_size = concat.shape[1]

我发现我无法获得concat形状，它将返回

None

。我必须专门为

隐藏的大小

指定一个值，例如

隐藏的大小=201

。如何自动获取形状

此外，对于我的

CNN

网络，我希望在每个批中填充输入序列，而不是在整个数据集中填充。因此，我必须使

max_len

成为

占位符

，但随后我发现

占位符

不能用作另一个

占位符

的参数。e、 g.以下代码不起作用

    self.max_len = tf.placeholder(int32)
    self.query_holder = tf.placeholder(tf.int32, shape=[None, self.max_len])

如何实现这一点？

有两种“类型”的形状：可以在编译时推断的静态形状和只有在运行时才知道的动态形状。要获取静态形状，可以在张量上调用

my\u tensor.get\u shape（）

，要访问动态形状，可以调用

tf.shape（my\u tensor）

。如果

get_shape（）

返回

None

，则只能动态地知道形状。如果您有关于形状的其他信息，可以使用

my\u tensor.set\u shape（）

设置形状

对于第二个问题，为什么不使用

self.query_holder = tf.placeholder(tf.int32, shape=[None, None])

---

这样，两个维度都是可变的。

第二个解决方案看起来不错！谢谢，但是对于第一个，

tf.shape（my_tensor）

仍然无法获取形状并返回错误信息

ValueError:initial_值必须指定一个形状：tensor（“random_normal:0”，shape=（？，？），dtype=float32）

并且不能使用此形状创建新层的参数

h_W=tf.Variable（tf.random_normal（shape=[hidden_size，hidden_size]，stddev=0.1），name='h_W'）

Yes，这是正常的。创建变量时，必须在编译时知道该形状，因此如果该动态形状具有未知值（与您的一样），则不能使用另一个张量的动态形状作为新变量的形状。您必须事先知道

隐藏的\u大小

，这是您通常会做的，因为这是您的体系结构的设计选择。