调用函数中的变量batch_size

Question

我正在尝试用TensorFlow 2实现一个注意力网络。因此，对于每个图像，我只想瞥见一些，即图像的一小部分。为此，我从tensorflow.keras.models.Model中实现了一个子类，这里有一个片段。

class RecurrentAttentionModel(models.Model):

# ...

def call(self, inputs):

    l = tf.random.uniform((40,2,), minval=0, maxval=1)

    for _ in range(0, self.glimpses):

        glimpse = tf.image.extract_glimpse(inputs, size=(self.retina_size, self.retina_size), offsets=l, centered=False, normalized=True)

        # some other code...

        # update l to take a glimpse somewhere else

    return result           

现在，上面的代码可以完美地工作和训练，但我的问题是，我有硬编码的40，这是我在数据集中定义的batch_size。我无法在调用方法中读取/获取batch_size，因为变量“inputs”的形式是batch_size似乎是预期行为。当我只用下面的代码初始化l（没有batch_size）Tensor("input_1_77:0", shape=(None, 250, 500, 1), dtype=float32)None

l = tf.random.uniform((2,), minval=0, maxval=1)

它抛出此错误

ValueError: Shape must be rank 2 but is rank 1 for 'recurrent_attention_model_86/ExtractGlimpse' (op: 'ExtractGlimpse') with input shapes: [?,250,500,1], [2], [2]

我完全理解，但我不知道如何根据batch_size实现初始值。

Answer 1

您可以使用 动态提取批大小维度。tf.shapel = tf.random.normal(tf.stack([tf.shape(inputs)[0], 2]), minval=0, maxval=1))