Tensorflow可变批量大小、可变整形和重量

我试图构建一个具有可变批量大小、可变整形和可变重量形状的图形。我使用的是tensorflow 1.3.0

使用下面的代码，tf.get\u变量抛出一个TypeError:int（）参数必须是字符串或数字，而不是“张量”pool2在代码中的其他地方定义

# declare placeholder for variable batch size
images_ph = tf.placeholder(tf.float32, shape=[None, 64, 64, 1])
# code for 2 layers of convolution, normalization and max pooling
# reshape to perform, one matrix multiply
reshape = tf.reshape(pool2, [tf.shape(images_ph)[0], -1])
dim = tf.shape(reshape)[1]
var = tf.get_variable('name', [dim, 384], validate_shape=False)

我还尝试将dim替换为“正确”类型，如下所示：

dim = reshape.get_shape()[1]

---

dim等于None并抛出一个值错误：必须完全定义新变量（local3/xpto）的形状，但它是（？，384）。get\U variable的第二个参数接受一个整数或字符串，但正如错误所说，您给了它一个张量

[dim，384]

---

请参阅：

tf.shape

返回一个张量，因此

[dim，384]

中的dim是一个张量；这里需要一个int

---

尝试

dim=reformate.get_shape（）.as_list（）[1]

#输出为int类型

谢谢大家的帮助

考虑到我将对pool2的输出进行展平以仅执行一次matmul，解决方案是显式计算重塑的第二维度的长度。这是在第1行和第2行上计算的，其中第一行上的[1://strong>偏移量来自可变批量

我无法在所有尺寸都未指定的情况下使用“重塑”

pool2_shapes = pool2.get_shape().as_list()[1:]
pool2_features_length = reduce(lambda x, y: x*y, pool2_shapes)
reshape = tf.reshape(pool2, [tf.shape(images)[0], pool2_features_length])

---

看起来没有定义pool2。pool2没有在代码段中定义，而是在代码的其他地方定义的。谢谢您的评论。我也尝试过这个，但它抛出了另一个错误。请检查更新的问题。您遗漏了

as\u list（）

，尽管当列表从维度更改为无类型时，它并不能解决问题。可能我们有不同的版本

a=tf.constant（[[1,2,3]，[4,5,6]]）

和

dim=a.get_shape（）[1]

给我作为输出维度（3）和

type（dim）

不是一个int。但是

dim=a.get_shape（）.as_list（），[a.get_shape（）.as_list（）[1]，2]）

。您的变量a为int并已定义。我的变量dim为None，因为我事先不知道维度是什么。感谢您的评论。我也尝试了此操作，但它引发了另一个错误。我认为如果将validate_shape用作False，则可能可以解决此问题。请尝试类似于

var=tf.get_variable的操作（'name'，tf.shape（restrape））

这将返回一个错误，因为tf.shape（restrape）[1]的类型是张量。

tf.shape

返回张量的形状，而不是张量。请参阅：好的，但我想要的形状不是restrape的形状，而是[None，384]。您可以将

-1

传递给

整形的任何一个维度，以获得“其余部分”，因此只需使用
pool2=tf.respore（pool2，（tf.shape（images）[0]，-1]）
这不起作用，因为tf.shape（images）[0]没有。这正是我在问题中遇到的。啊，在这种情况下，您可以省去查找
None
形状的工作量，
tf.reforme（pool2，（-1，pool2\u特征长度））
。这不是一个很大的节省，但是如果你问我的话，会让代码更可读。使用-1完全模糊了形状大小的来源。我不同意-它清楚地表明它来自于被重塑的张量的大小，并且每次在这个上下文中使用它都意味着完全相同的事情。这主要是一个样式问题，所以我承认有d意见分歧。