在 Tensorflow 中连接张量

Posted 2023-03-12

【中文标题】在 Tensorflow 中连接张量

【英文标题】：Concatenating tensors in Tensorflow

【发布时间】：2017-08-20 23:25:04

【问题描述】：

我想在 Tensorflow 中连接一个变量和一个张量，但 Tensorflow 不会让这两种类型连接。

这是我连接两个张量的方法：

self.embedded_chars = tf.nn.embedding_lookup(self.W, self.input_x) //returns Tensor object
v1 = tf.Variable(tf.zeros([88,77]),dtype=tf.float32)
self.embedded_chars = tf.concat(1,[self.embedded_chars,v1])

但我收到以下错误：

文件“test.py”，第 93 行，在 l2_reg_lambda=FLAGS.l2_reg_lambda) 文件“test.py”，第 31 行，在 init 中 self.embedded_chars = tf.concat(1,[self.embedded_chars,v1]) 文件“lib/python2.7/site-packages/tensorflow/python/ops/array_ops.py”，行 1047，连续 dtype=dtypes.int32).get_shape(文件“lib/python2.7/site-packages/tensorflow/python/framework/ops.py”，行 第651章 as_ref=False）文件“lib/python2.7/site-packages/tensorflow/python/framework/ops.py”，行 716，在 internal_convert_to_tensor 中 ret = conversion_func（值，dtype=dtype，name=name，as_ref=as_ref）文件 “lib/python2.7/site-packages/tensorflow/python/framework/constant_op.py”， 第 176 行，在 _constant_tensor_conversion_function 返回常量（v，dtype=dtype，name=name）文件“lib/python2.7/site-packages/tensorflow/python/framework/constant_op.py”， 第 165 行，保持不变 tensor_util.make_tensor_proto(value, dtype=dtype, shape=shape, verify_shape=verify_shape)) 文件 “lib/python2.7/site-packages/tensorflow/python/framework/tensor_util.py”， 第 367 行，在 make_tensor_proto 中 _AssertCompatible(values, dtype) 文件“lib/python2.7/site-packages/tensorflow/python/framework/tensor_util.py”， 第 302 行，在 _AssertCompatible 中 (dtype.name, repr(mismatch), type(mismatch).name)) TypeError: Expected int32, got list contains Tensors of type '_Message' 而是。

如何正确连接变量和张量？

【参考方案1】：

假设您使用的是 1.0 版： 如果您查看文档，您会看到 concat (https://www.tensorflow.org/api_docs/python/tf/concat) 希望将值作为第一个参数，将轴作为第二个参数。

你的代码应该是：

self.embedded_chars = tf.nn.embedding_lookup(self.W, self.input_x) //returns Tensor object
v1 = tf.Variable(tf.zeros([88,77]),dtype=tf.float32)
self.embedded_chars = tf.concat([self.embedded_chars,v1],1)

由于我没有测试它，如果它有效，请告诉我！

干杯！

【讨论】：

这仅适用于 1.0 版。

嗯，很公平！假设熊使用了这个版本。 @Bear：你用的是什么版本的 Tensorflow？