tensorflow 0.12中的张量变换

我已经侵入了双向动态rnn。每个时间步和batchmember的输出是一个具有168个浮点的向量，其中119个用于字符预测任务，其余49个用于分类任务

静态情况收敛得很好，但对于动态情况，我遇到了形状推断问题（tensorflow 0.12）

输出

具有形状（32，？，168），其中

为了得到两个张量，我需要对其进行处理：

1) with shape (32, ?, 119)
2) with shape (32, ?, 49)

---

我想不通这件事。或者让我们这样说：我为静态案例提出的方法涉及到一个unstack转换。unstack方法不喜欢占位符作为参数。知道如何在tensorflow 0.12中从（32，？，168）到（32，？，119）和（32，？，49）吗？

试试这个

tf.split（输出，[119，49]，axis=2）

。这在r0.12中是可行的吗？在r0.12中，有一个

tf.split\u v

。是的，但不均匀的分割让我吃惊。我确实使用了split，但我必须将其拆分为168个张量，然后再将它们重新命名为一个张量。在r0.12中，规范说“将值沿维度拆分为num\u split更小的张量。要求num\u split均匀地拆分值。shape[split\u dim]”。所以你的“[119，49]”令我惊讶。我现在通过在rnn中使用time_major=True来规避我的问题，因此我的问题得到了解决，但我认为您的建议仅适用于1.0及以上版本。

- 32  is the batchsize,
- ?   is a placeholder getting fed the max-sequence-length inside the respective batch and
- 168 is my stepwise outputs-size (see above).

1) with shape (32, ?, 119)
2) with shape (32, ?, 49)