TensorFlow将concat-result张量分配给不同形状的张量

Question

我使用concat将形状[150,1]的张量t2附加到张量t1上，张量t1的形状最初为[150,0]。 我想创建一个具有形状[150,1]（在轴上连接= 1）的张量，并用新张量覆盖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。 不知道发生了什么事; 这应该是一件非常容易的事情。 我怀疑它与t1的Dimension 1为0有关。有什么建议吗？ 提前致谢。

[编辑]

事实证明，问题在于“分配”，因为我将t1（形状（150,0））设置为连续结果（形状（150,1）），这使得TF对我尖叫（理所当然）。 有什么方法吗？

为了提供更多的上下文，t1是一个张量，我用它来存储从展开seq2seq RNN生成的logit t2，其中输出序列具有未知长度。 因此，每次展开时，t1的大小将在Dimension 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，但会因为形状不会更新而产生不良行为。

这是一个TensorFlow的错误，并且有一个与它相关的GitHub问题等待R的实现： https ： //github.com/tensorflow/tensorflow/issues/5492