TF2 / 使用 [:， :， 0] 的 Keras 切片张量

Question

在TF 2.0测试版中，我正在尝试：

x = tf.keras.layers.Input(shape=(240, 2), dtype=tf.float32)
print(x.shape) # (None, 240, 2)
a = x[:, :, 0]
print(a.shape) # <unknown>

在TF 1.x中，我可以做到：

x = tf1.placeholder(tf1.float32, (None, 240, 2)
a = x[:, :, 0]

它会正常工作。如何在 TF 2.0 中实现此目的？我认为

tf.split(x, 2, axis=2)

可能有效，但是我想使用切片而不是硬编码 2(轴 2 的暗淡(。

Answer 1

不同之处在于，从Input返回的对象表示一个层，而不是类似于占位符或张量的任何内容。因此，上面 tf 2.0 代码中的x是一个图层对象，而 tf 1.x 代码中的x是张量的占位符。

您可以定义切片层来执行该操作。有开箱即用的图层可用，但对于像这样的简单切片，Lambda图层非常容易阅读，并且可能最接近您在 tf 1.x 中习惯切片的方式。

像这样：

input_lyr = tf.keras.layers.Input(shape=(240, 2), dtype=tf.float32)
sliced_lyr = tf.keras.layers.Lambda(lambda x: x[:,:,0])

您可以在 keras 模型中使用它，如下所示：

model = tf.keras.models.Sequential([
input_lyr,
sliced_lyr,
# ...
# <other layers>
# ...
])

当然，以上是特定于keras模型的。相反，如果你有一个张量而不是一个 keras 层对象，那么切片的工作方式与以前完全相同。像这样：

my_tensor = tf.random.uniform((8,240,2))
sliced = my_tensor[:,:,0]
print(my_tensor.shape)
print(sliced.shape)

输出：

(8, 240, 2)
(8, 240)

不出所料