在tf.keras.Model (命令式应用编程接口)中获取输入形状
在tf.keras.Model (命令式应用编程接口)中获取输入形状
提问于 2019-06-25 22:31:56
我使用TensorFlow2.0，并且我有一个在命令式API中定义的模型。在call方法中，我使用了类似这样的东西：
b, h, w, c = images.shape
k_h, k_w = kernels.shape[2], kernels.shape[3]
images = tf.transpose(images, [1, 2, 0, 3]) # (h, w, b, c)
new_shape = tf.TensorShape([1, h, w, b * c])
images = tf.reshape(images, new_shape)当我用定制循环训练我的模型时--没问题。但是我想把我的模型移植到SavedModel格式。我使用以下函数：
tf.keras.experimental.export_saved_model(
model, file_path,
serving_only=True,
input_signature=[
tf.TensorSpec(shape=[None, None, None, 3], dtype=tf.float32),
]
)我得到了一个错误：
TypeError: unsupported operand type(s) for *: 'NoneType' and 'int'此外，即使我指定了shape=1，None，None，3，我也不能这样做，因为我得到了：
ValueError: Tried to convert 'shape' to a tensor and failed. Error: Cannot convert a partially known TensorShape to a Tensor: (1, None, None, 3)这意味着我根本不能重塑。但我需要它。我该怎么做呢？
回答 1
Stack Overflow用户
回答已采纳
发布于 2019-06-26 04:55:28
在图形模式下运行时，请使用tf.shape。在图形模式下运行时，tf.Tensor.shape无法自动推断形状。以下是进行了必要更改的代码。
image_shape = tf.shape(images)
kernel_shape = tf.shape(kernels)
b, h, w, c = image_shape[0], image_shape[1], image_shape[2], image_shape[3],
k_h, k_w = kernel_shape[2], kernel_shape[3]
images = tf.transpose(images, [1, 2, 0, 3]) # (h, w, b, c)
new_shape = tf.TensorShape([1, h, w, b * c])
images = tf.reshape(images, new_shape)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/56756440
复制相关文章
相似问题