Einstellen der Form eines Tensor wie die Form eines anderen Tensor

Question

Ich versuche, dieses Stück Code auszuführen:

def somefunc(x, rows, n_hidden): 
    vectors = tf.contrib.layers.embed_sequence(nodes, vocab_size=vocab_size, embed_dim=n_hidden) 
    batch_size = tf.shape(vectors)[0] 
    state = tf.zeros([batch_size, rows, n_hidden]) 
    bias = tf.Variable(tf.constant(0.1, shape=[batch_size,1]) # Error here! 
    ... 


x = tf.placeholder(tf.int32, shape=[None, 200]) 
pred = somefunc(x, 200, 40) 
loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=pred, labels=target)) 
optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate).minimize(loss) 

ich diesen Fehler, wenn die Funktion aufgerufen wird (Fehler ist für Bias-Form):

TypeError: int() argument must be a string, a bytes-like object or a number, not 'Tensor'

ich versuchte dabei b = tf.Variable(0.1, validate_shape=False), aber dann bekam ich diesen Fehler bei optimizer:

ValueError: as_list() is not defined on an unknown TensorShape.

Wenn ich validate_shape=False entferne, erhalte ich einen Formfehler.

Es tut mir sehr leid, wenn ich etwas offensichtlich übersehen habe, aber könnte mir jemand sagen, wo ich falsch liege?

Vielen Dank!

Answer 1

Das shape Argument des tf.constant() op erwartet eine statischen Form, so dass Sie nicht ein tf.Tensor als Teil des Arguments verwenden können.

Zum Glück gibt es noch ein anderes Op, das genügt: tf.fill(), das die Form erlaubt (sein dims Argument), um ein tf.Tensor zu sein. Das heißt, Sie können bias als definieren:

bias = tf.Variable(tf.fill(dims=[batch_size, 1], 0.1), validate_shape=False)