使用tf.shape会导致错误

Question

我在TensorFlow中有以下简单代码：

a = tf.placeholder(dtype = tf.float64, shape = (3, None))
b = tf.Variable(dtype = tf.float64, initial_value = np.random.randn(5, 3))
c = tf.matmul(b, a)
size = tf.shape(a)
t1, t2 = size

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    res = sess.run(size, feed_dict = {a: np.random.randn(3, 4)})

t1

但它不起作用。我希望有张量的形状，a.shape工作正常但重点是它得到None的第二个维度。我搜索并知道它的价值我必须使用tf.shape(a)，但现在问题是我搜索并发现python确实知道张量对象中的内容。我只想检索两个变量中的值。关键是我必须在更复杂的代码中使用此代码，这些大小是更大计算的边缘部分。反正有没有将这些数字作为整数而不分别为它们运行会话？

我不得不说我知道我的代码的以下变体有效：

a = tf.placeholder(dtype = tf.float64, shape = (3, None))
b = tf.Variable(dtype = tf.float64, initial_value = np.random.randn(5, 3))
c = tf.matmul(b, a)
size = a.shape.as_list()
print(type(size))

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    res = sess.run(c, feed_dict = {a: np.random.randn(3, 4)})
    print(res)
    print(size)

但它将None作为形状的第二个元素。因此，我必须使用tf.shape。那些坚持我的问​​题是重复的人，我运行了建议here并得到以下结果仍然包括None：

(3, ?)

Answer 1

这有帮助吗？这不是很一般，但由于我不知道你究竟想要实现什么，这可能已经足够了。

a = tf.placeholder(dtype = tf.float64, shape = (3, None))
b = tf.Variable(dtype = tf.float64, initial_value = np.random.randn(5, 3))
c = tf.matmul(b, a)
size = tf.shape(a)
t1 = size[0]
t2 = size[1]

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    res = sess.run([t1, t2], feed_dict = {a: np.random.randn(3, 4)})
    print(res)

替代方案：

a = tf.placeholder(dtype = tf.float64, shape = (3, None))
b = tf.Variable(dtype = tf.float64, initial_value = np.random.randn(5, 3))
c = tf.matmul(b, a)
size = tf.shape(a)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    t1, t2 = sess.run(size, feed_dict = {a: np.random.randn(3, 4)})
print(t1, t2)