tensorflow之获取tensor的shape作为max_pool的ksize实例
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。
而既然tensorflow不提供标准的max_pool层实现，其实可以自己实现每一列取最大值的操作，充当自己的max_pool。如下图所示：
def max_pooling(self, NC):
out = tf.reduce_max(NC, reduction_indices=[0])
return out
利用reduce_max刚好能实现这个操作，其中reduction_indices可以指定取哪一维的最大值。这个函数的详细功能可以参考官方文档。
这种情况和tf.reshape不同，tf.reshape是可以使用tf.shape(tensor)[i]的，可能两者对参数的要求不一样。
以上这篇tensorflow之获取tensor的shape作为max_pool的ksize实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持小牛知识库。
-
Manages the dimensions of a Tensor and their sizes. Member Summary tensorflow::TensorShape::TensorShape(gtl::ArraySlice< int64 > dim_sizes) Construct a TensorShape from the provided sizes. REQUIRES: d
-
Member Summary int tensorflow::TensorShapeDim::size tensorflow::TensorShapeDim::TensorShapeDim(int64 s) Member Details int tensorflow::TensorShapeDim::size tensorflow::TensorShapeDim::TensorShapeDim(i
-
Static helper routines for TensorShape. Includes a few common predicates on a tensor shape. Member Summary static bool tensorflow::TensorShapeUtils::IsScalar(const TensorShape &shape) static bool tens
-
Member Summary tensorflow::TensorShapeIter::TensorShapeIter(const TensorShape *shape, int d) bool tensorflow::TensorShapeIter::operator==(const TensorShapeIter &rhs) bool tensorflow::TensorShapeIter::
-
问题内容： 我正在按照本教程学习TensorFlow Slim，但是在运行以下代码进行Inception时： 我似乎收到这组错误： 这很奇怪，因为所有这些代码均来自其官方指南。我是TF的新手，我们将不胜感激。 问题答案： 使用1.0发行版时，我遇到了同样的问题，我可以使其工作而不必回滚到先前版本。 问题是由api的更改引起的。这次讨论帮助我找到了解决方案：Google组> TensorFlow中的
-
Represents an n-dimensional array of values. Member Summary tensorflow::Tensor::Tensor() Default Tensor constructor. Creates a 1-dimension, 0-element float tensor. tensorflow::Tensor::Tensor(DataType