在张量流运算中使用具有动态形状的张量的形状

Question

有没有一种方法可以在tensorflow操作中使用具有动态形状的张量的形状，而无需在会话中对其进行评估？例如，考虑以下内容：

activation = tf.nn.relu(conv_plus_b, name=scope.name) #has shape [None, None, 700,1]
conv_len =activation.shape[1]
pool = tf.nn.max_pool(activation, ksize=[1,conv_len,1,1], strides=[1,1,1,1], padding='VALID')

运行此代码会引发错误：TypeError: Expected int for argument 'ksize' not Dimension(None)。

因此，我的问题是：有没有任何方法可以使用这种动态形状来定义tensorflow操作的形状参数，而无需在会话中对其进行评估？

我在上发现了类似的问题：https://groups.google.com/a/tensorflow.org/forum/#！主题/讨论/BlguDbTxCAk针对使用动态形状在tensorflow中执行调整大小操作，提出了以下解决方案：

n = tf.shape(foo)[0]
tf.reshape(foo, tf.pack([n, 1]))

tf.pack已被弃用。我不确定tf.stack是否能在tf.reshape操作中工作，但在tf.nn.max_pool中使用它会引发错误TypeError: Expected list for attr ksize

我知道形状函数有不同的变化。我试过activation.get_shape()[1](我听说它适用于静态形状)、activation.shape[1]和tf.shape(activation)[1]。它们都会出错。

非常感谢您对此进行调查。

Answer 1

tf.nn.max_pool()不支持动态大小，ksize需要是常量，而不是使用tf.reduce_max()，

import tensorflow as tf
conv_plus_b = tf.placeholder(tf.float32, shape=[None, None, 700, 1])
activation = tf.nn.relu(conv_plus_b) #has shape [None, None, 700,1]
# conv_len = tf.shape(conv_plus_b)[1]
# pool = tf.nn.max_pool(activation, ksize=[1,conv_len,1,1], strides=[1,1,1,1], padding='VALID')
pool = tf.reduce_max(activation, axis=1, keep_dims=True)

有关更多详细信息，请查看以下链接：

具有动态ksize 的Tensorflow最大池

https://github.com/tensorflow/tensorflow/issues/9394

https://github.com/tensorflow/tensorflow/issues/4746