Tensorflow：形状必须等于等级，但对于tf.norm来说形状必须为4和1，

Question

我试图在conv2d层中找到所有过滤器的标准。 请在下面找到相同的代码

conv1 = tf.layers.conv2d(
                         inputs=input_layer,
                         filters=32,
                         strides=(1, 1),
                         kernel_size=[3, 3],
                         padding="valid",
                         activation=tf.nn.relu,
                         use_bias=True,
                         kernel_regularizer=tf.nn.l2_loss,
                         bias_regularizer=tf.nn.l2_loss,
                         name="conv1")

var = [v for v in tf.trainable_variables() if "conv1" in v.name]
print(tf.norm(var,axis=4))

形状必须相等，但必须为4和1。将形状0与其他形状合并。 输入形状为[3,3,3,32]，[32]的“标准/打包”（op：“打包”）。

我尝试使用从“无到4”的多个轴值，但没有任何效果。 有人可以说明问题是什么以及如何解决？

Answer 1

您的代码中有两个错误。 一个是var包含一个张量列表，而tf.norm()只期望一个张量。 此外，权重的尺寸为4 ，尺寸从0开始编号，因此第四个尺寸的轴为3。此代码（经过测试）：

import tensorflow as tf

input_layer = tf.random_uniform( shape = ( 2, 10, 10, 2 ) )

conv1 = tf.layers.conv2d(
                         inputs=input_layer,
                         filters=32,
                         strides=(1, 1),
                         kernel_size=[3, 3],
                         padding="valid",
                         activation=tf.nn.relu,
                         use_bias=True,
                         kernel_regularizer=tf.nn.l2_loss,
                         bias_regularizer=tf.nn.l2_loss,
                         name="conv1")

var = [v for v in tf.trainable_variables() if "conv1" in v.name][ 0 ]
print( tf.norm( var, axis = 3 ) )

将输出：

Tensor（“范数/压缩：0”，shape =（3，3，2），dtype = float32）

没有错误。