python之如何在使用 Tensorflow 1.x 时仍坚持使用 `[None]` 形状的同时规避由静态形状引起的 TypeError

当我尝试使用 TensorFlow 1.x 以最大似然拟合 softmax 概率时，我遇到了错误消息:

“TypeError:应为 int32，但没有得到类型为‘_Message’的错误。”

错误来自函数 p(x) 中的 x.get_shape().as_list()[0]。我在将 x = tf.placeholder(tf.int32, [None]) 更改为 x = tf.placeholder(tf.int32, [BATCH_SIZE]) 后修复了错误，其中 BATCH_SIZE 是一个固定的数字。

如果我想坚持使用 x = tf.placeholder(tf.int32, [None]) 如何解决这个错误？

tf.reset_default_graph() 
with tf.variable_scope('param'): 
    theta = tf.Variable(tf.zeros(100), dtype=tf.float32, name='theta') 
 
 
with tf.variable_scope('loss'): 
    def p(x): 
        softmax = tf.ones([x.get_shape().as_list()[0], 1]) * tf.math.softmax(theta) 
        idx_x = tf.stack([tf.range(x.get_shape().as_list()[0], dtype=tf.int64), x-1], axis=1) 
        return tf.gather_nd(softmax,idx_x) 
 
    def softmaxLoss(x): 
        return tf.reduce_mean(-tf.math.log(p(x))) 
 
var_list = tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES, 'param') 
x = tf.placeholder(tf.int32, [None]) 
prob_op = p(x) 
log_loss = softmaxLoss(x) 
... 
 

请您参考如下方法:

使用 tf.shape() 获取张量的动态形状。 tf.shape()将形状作为张量对象返回。在你的情况下使用它是这样的:

tf.shape(x)[0] 

所以你的代码是:

def p(x): 
    softmax = tf.ones([tf.shape(x)[0], 1]) * tf.math.softmax(theta) 
    idx_x = tf.stack([tf.range(tf.shape(x)[0], dtype=tf.int64), x-1], axis=1) 
    return tf.gather_nd(softmax,idx_x)