Question

我正在尝试运行这段代码：

def somefunc(x, rows, n_hidden):
    vectors = tf.contrib.layers.embed_sequence(nodes, vocab_size=vocab_size, embed_dim=n_hidden)
    batch_size = tf.shape(vectors)[0]
    state = tf.zeros([batch_size, rows, n_hidden])
    bias = tf.Variable(tf.constant(0.1, shape=[batch_size,1]) # Error here!
    ...


x = tf.placeholder(tf.int32, shape=[None, 200])
pred = somefunc(x, 200, 40) 
loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=pred, labels=target))
optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate).minimize(loss)

调用函数时出现此错误（错误是偏置形状）：

TypeError：int（）参数必须是字符串，类似字节的对象或数字，而不是'Tensor'

我尝试b = tf.Variable(0.1, validate_shape=False)，但后来我在optimizer收到了此错误：

ValueError：未在未知的TensorShape上定义as_list（）。

如果我删除validate_shape=False，则会出现形状错误。

如果我忽略了一些显而易见的事情，我很抱歉，但有人可以告诉我哪里出错了吗？

非常感谢！

Answer 1

tf.constant() op的shape参数需要静态形状，因此您无法使用tf.Tensor作为参数的一部分。

幸运的是，还有另一个操作就足够了：tf.fill()，它允许形状（dims参数）为tf.Tensor。这意味着您可以将bias定义为：

bias = tf.Variable(tf.fill(dims=[batch_size, 1], 0.1), validate_shape=False)

将张量的形状设置为另一张量的形状

1 个答案: