在Tensorflow中處理未知尺寸

Question

我編寫了一個函數，用於計算形狀為（1，H，W，C）的圖像特征的gram矩陣。 我寫的方法如下：

def calc_gram_matrix(features, normalize=True):
  #input: features is a tensor of shape (1, Height, Width, Channels)

  _, H, W, C = features.shape
  matrix = tf.reshape(features, shape=[-1, int(C)])
  gram = tf.matmul(tf.transpose(matrix), matrix)

  if normalize:
    tot_neurons = H * W * C
    gram = tf.divide(gram,tot_neurons)

return gram

要測試我對語法矩陣的實現，有一種方法：

 def gram_matrix_test(correct):
    gram = calc_gram_matrix(model.extract_features()[5])     #
    student_output = sess.run(gram, {model.image: style_img_test})
    print(style_img_test.shape)
    error = rel_error(correct, student_output)
    print('Maximum error is {:.3f}'.format(error))

 gram_matrix_test(answers['gm_out'])

當我運行gram_matrix_test（）時，出現錯誤-> ValueError：無法將未知尺寸轉換為張量：？

（錯誤在此行上->“ gram = tf.divide（gram，tot_neurons） ”）

在調試時，我發現model.extract_features（）[5]的形狀為（？，？，？，128），因此無法進行除法。

style_img_test的維度為（（（ 1，192，242，3 ））），因此當我們運行會話H，W，C時將被填充。

您能指導我如何解決此問題嗎？

Answer 1

我進行了以下更改，並且有效。

def calc_gram_matrix(features, normalize=True):
  #input: features is a tensor of shape (1, Height, Width, Channels)

  features_shape = tf.shape(features)
  H = features_shape[1]
  W = features_shape[2]
  C = features_shape[3]

  matrix = tf.reshape(features, shape=[-1, C])
  gram = tf.matmul(tf.transpose(matrix), matrix)

  if normalize:
    tot_neurons = H * W * C
    tot_neurons = tf.cast(tot_neurons, tf.float32)

    gram = tf.divide(gram,tot_neurons)

return gram