有没有办法自动获取特征映射的形状并用它在Tensorflow中构建图形？

我建立我自己的CNN
卷积层和完全连接层之间，我需要知道卷积层的输出的大小，即有没有办法自动获取特征映射的形状并用它在Tensorflow中构建图形？

width_feature map * height_feature map * number_feature map

这样我就可以知道加权这之间的形状两层，即，

[number_neuron_output of convolution layer , number_neuron_1st fully connect layer].

我想要做的是自动获取[width_feature地图，height_feature，地图* number_feature图] ，因此可以用它来建立convolutoin层之间的连接和完全连接层

我试着像

def add_convtofully_layer(self,size_out,data_in): 
     shape_in=tf.shape(data_in)#[batch,H,W,C] 
     data_re=tf.reshape(data_in,[-1,shape_in[1]*shape_in[2]*shape_in[3]]) 
     W=self.weight_NN(shape_in[1]*shape_in[2]*shape_in[3],size_out) 
     B=self.bias_NN(size_out) 
     data_drop=tf.nn.dropout(data_re,self.drop) 
     result=tf.nn.relu(tf.matmul(data_drop,W)+B) 
     return result 

def weight_NN(self,w_in,w_out): 
    W=tf.Variable(tf.truncated_normal([w_in,w_out],stddev=0.1),name='weight') 
    return W 


def bias_NN(self,out): 
    B=tf.Variable(tf.constant(0.0,dtype=tf.float32,shape=[out]),name='bias') 
    return B

但只得到了消息

ValueError: initial_value must have a shape specified: Tensor("Fully_connect_layer1/truncated_normal:0", shape=(?, 150), dtype=float32)

有没有办法使用Tensorflow做到这一点的方法吗？或者唯一的方法是我需要先自己计算一下？

谢谢！

来源

2017-04-11 Chang Chi Tsung

它看起来像您的输入仍然有一个变量批量维度。（shape=(?, 150)中的？告诉你这个，因为？代表可变的大小）。不，你不能初始化变量大小的变量，因为tensorflow不能正确地分配内存。

虽然您在忽略shape_in的第一个值时似乎剥离了批量维度，但有两种可能性：第一种是您刚刚通过的size_out参数。另一个是你不小心混淆了shape_in中的尺寸，并且实际上并没有解决问题。

我的建议是在调试器中运行代码 - 虽然不能跟踪符号库中的值（如张量流），但您可以轻松看到不同变量的形状。

来源

2017-04-12 16:46:02 cleros

有没有办法自动获取特征映射的形状并用它在Tensorflow中构建图形？

回答

相关问题