TensorFlow中如何将获取的tensor shape用作max_pool的ksize参数值？
- 内容介绍
- 文章标签
- 相关推荐
本文共计335个文字，预计阅读时间需要2分钟。
实验发现，TensorFlow中的tensor张量的shape不支持直接作为tf.max_pool的参数。例如，以下这种错误示例（一个错误的示例）：
pythonself.max_pooling1=tf.nn.max_pool(self.l_6, ksize=[1, tf.shape(self.F1)[0], 1, 1], strides=strides)
正确的做法是使用一个静态值或者先计算shape的结果再传递给ksize参数。
实验发现，tensorflow的tensor张量的shape不支持直接作为tf.max_pool的参数，比如下面这种情况（一个错误的示范）：
self.max_pooling1 = tf.nn.max_pool(self.l_6, ksize = [1, tf.shape(self.F1)[0], 1, 1], strides = [1, 1, 1, 1], padding = 'VALID', name = 'maxpool1')
我在max_pool的过程中想对特征每一列进行max_pooling，但因为tensor F1张量没有值，而ksize此处需要一个int类型的常量，所以tf.shape(self.F1)[0]无法作为ksize的参数。
一些人的做法是固定行数，比如pointnet固定为2048个点，但这样做需要重新采样，过于麻烦。
本文共计335个文字，预计阅读时间需要2分钟。
实验发现，TensorFlow中的tensor张量的shape不支持直接作为tf.max_pool的参数。例如，以下这种错误示例（一个错误的示例）：
pythonself.max_pooling1=tf.nn.max_pool(self.l_6, ksize=[1, tf.shape(self.F1)[0], 1, 1], strides=strides)
正确的做法是使用一个静态值或者先计算shape的结果再传递给ksize参数。
实验发现，tensorflow的tensor张量的shape不支持直接作为tf.max_pool的参数，比如下面这种情况（一个错误的示范）：
self.max_pooling1 = tf.nn.max_pool(self.l_6, ksize = [1, tf.shape(self.F1)[0], 1, 1], strides = [1, 1, 1, 1], padding = 'VALID', name = 'maxpool1')
我在max_pool的过程中想对特征每一列进行max_pooling，但因为tensor F1张量没有值，而ksize此处需要一个int类型的常量，所以tf.shape(self.F1)[0]无法作为ksize的参数。
一些人的做法是固定行数，比如pointnet固定为2048个点，但这样做需要重新采样，过于麻烦。