使用 [:, :, 0] 的 TF2 / Keras 切片张量

Question

在 TF 2.0 Beta 中，我正在尝试：x = tf.keras.layers.Input(shape=(240, 2), dtype=tf.float32)print(x.shape) # (None, 240, 2)a = x[:, :, 0]print(a.shape) # <unknown>在 TF 1.x 中，我可以这样做：x = tf1.placeholder(tf1.float32, (None, 240, 2)a = x[:, :, 0]它会正常工作。如何在 TF 2.0 中实现这一点？我认为tf.split(x, 2, axis=2)可能有效，但是我想使用切片而不是硬编码 2（轴 2 的暗淡）。

Answer 1

不同之处在于返回的对象Input代表一个层，而不是任何类似于占位符或张量的东西。因此，x上面的 tf 2.0 代码中的 是层对象，而xtf 1.x 代码中的 是张量的占位符。

您可以定义一个切片层来执行该操作。有现成可用的层，但是对于像这样的简单切片，Lambda层非常容易阅读，并且可能最接近您在 tf 1.x 中使用的切片方式。

像这样的东西：

input_lyr = tf.keras.layers.Input(shape=(240, 2), dtype=tf.float32)

sliced_lyr = tf.keras.layers.Lambda(lambda x: x[:,:,0])

您可以像这样在您的 keras 模型中使用它：

model = tf.keras.models.Sequential([

    input_lyr,

    sliced_lyr,

    # ...

    # <other layers>

    # ...

])

当然，以上是特定于keras模型的。相反，如果你有一个张量而不是一个 keras 层对象，那么切片就像以前一样工作。像这样的东西：

my_tensor = tf.random.uniform((8,240,2))

sliced = my_tensor[:,:,0]

print(my_tensor.shape)

print(sliced.shape)

输出：

(8, 240, 2)

(8, 240)

正如预期的那样