我有一个关于TensorFlow的技术问题。

我有一个TensorFlow矩阵，其维度为(None, 2)。我需要将一个函数，比如some_function，仅应用于矩阵的第0维度，即所有行。问题是第0维度是None类型（它是动态的，因为它依赖于输入到NN模型的大小），并且会显示None不是整数类型的错误。有两个tf函数：tf.map_fn和tf.scan可以用来迭代TensorFlow数组。但它们都无法处理None维度。

或许您可以定义一个形状为(None, 2)的测试TensorFlow数组，并尝试将任何测试函数应用于第一维度。任何帮助/输入都将不胜感激！

回答：

由于这是keras模型的输出，如果我尝试执行以下操作，

res2 = tf.map_fn(lambda y: y*2, model.output)

您会得到，

TypeError: ‘Tensor’对象无法被解释为整数

但是，以下操作是可以的，

# 初始化产生您想要映射的输出的模型model = tf.keras.models.Sequential()model.add(tf.keras.layers.Dense(2, input_shape=(2,)))res = tf.keras.layers.Lambda(lambda x: tf.map_fn(lambda y: y*2, x))(model.output)

然后您定义一个新模型，并使用它来获取tf.map_fn的结果。

model2 = tf.keras.Model(inputs=model.inputs, outputs=res)print(model2.predict(np.array([[1,2],[3,4]])))

附注：但这与第一维度为None无关。tf.map_fn完全可以处理None维度。您可以通过在TF 1.x中对tf.placeholder([None,2])运行tf.map_fn来验证这一点。

因为它是迭代地在该维度上应用一个函数，并且不需要知道大小即可执行此操作。