TensorFlow将concat结果张量分配给不同形状的张量

Question

我使用concat将形状为[150，1]的张量t2附加到最初形状为[15，0]的张量t1上。我想创建一个形状为[150，1]的张量(在轴=1上连接)，并用新的张量覆盖t1。这是我的代码：

t1.assign(tf.concat(1, [t1, t2]))

我得到的错误是：

ValueError: Dimension 1 in both shapes must be equal, but are 0 and 1

奇怪的是，当我设置axis＝0时，我得到了同样的错误。不知道发生了什么；这应该是一件非常容易的事情。我怀疑这与t1的维度1为0有关。有什么建议吗？提前谢谢。

[编辑]

事实证明，问题出在"assign"上，因为我将t1(shape(150，0))设置为concat结果(shape)(150，1))，这让TF对我大喊大叫(没错)。有办法绕过这个吗？

为了提供更多的上下文，t1是一个张量，我正在使用它来存储从seq2seq RNN的展开生成的logit t2，其中输出序列的长度未知。因此，随着每次展开，t1的大小将在维度1中增长。

Answer 1

使用reshape:

t1 = tf.placeholder(tf.float32,[150,1])  
t2 = tf.placeholder(tf.float32,[150])      
tf.concat(1,[t1,tf.reshape(t2,[150,1])])  

输出：

<tf.Tensor 'concat_2:0' shape=(150, 2) dtype=float32>

Answer 2

问题与tf.assign上的形状更新有关。您可以将validate_shape设置为False。这将删除tf.assign上的错误，但由于形状不会更新，因此会产生错误行为。

这是TensorFlow的一个bug，有一个GitHub的问题与之相关，正在等待R的实现：https://github.com/tensorflow/tensorflow/issues/5492