ValueError: 新变量的形状 (local1/weights) 必须完全定义

Question

我是 Tensorflow 的新手。卷积后，我的层的形状是，shape=(5, 5, 5, 5), dtype=float32但是当我应用反卷积时，形状像shape=(?, 25, 25, 640)，dtype=float32.这意味着反卷积后批量大小没有正确显示（？符号）。对于反卷积，我使用了这个反卷积函数。错误值错误：新变量的形状 (local1/weights) 必须完全定义，而是 (?, 1000)。我已经尝试过example1但效果不佳

Answer 1

来自使用的反卷积函数的描述

  #Now output.get_shape() is equal (?,?,?,?) which can become a problem in the 

  #next layers. This can be repaired by reshaping the tensor to its shape:

  output = tf.reshape(output, output_shape)

  #now the shape is back to (?, H, W, C) or (?, C, H, W)

不应显示批次大小，因为它的设计是未知的。这样做是为了保留处理具有不同大小（第一维大小）的批次的能力。这样您就可以在不同大小的批次上运行模型，例如，一次训练 5 个图像并预测 20 个图像。

并完全同意T. Kelher：

我建议改用这个函数：

tf.nn.conv2d_transpose()

Answer 2

不同之处在于您发送的示例是一个张量，将错误的数据输入给它。您的问题是解卷积滤波器的权重未完全定义。权重不依赖于批量大小，并且需要是固定大小，因此错误。我知道您理解错误，只是想说明您遇到的问题和示例有很大不同。

我建议改用这个函数：

 tf.nn.conv2d_transpose()

它的定义就像你对普通卷积层所做的一样。它是 TensorFlow 中的默认值，我想知道您为什么不使用它开始？

Answer 3

问题已经解决，之前的转置/解卷积代码运行良好。只是我们必须做一些小改动。我们必须在输出形状中定义批量大小。