Python tf.compat.v1.debugging.assert_shapes用法及代码示例

断言张量之间的张量形状和尺寸大小关系。

用法

tf.compat.v1.debugging.assert_shapes(
    shapes, data=None, summarize=None, message=None, name=None
)

此操作检查张量形状关系的集合是否满足给定的约束。

例子：

n = 10
q = 3
d = 7
x = tf.zeros([n,q])
y = tf.ones([n,d])
param = tf.Variable([1.0, 2.0, 3.0])
scalar = 1.0
tf.debugging.assert_shapes([
 (x, ('N', 'Q')),
 (y, ('N', 'D')),
 (param, ('Q',)),
 (scalar, ()),
])

tf.debugging.assert_shapes([
  (x, ('N', 'D')),
  (y, ('N', 'D'))
])
Traceback (most recent call last):

ValueError:...

将依赖项添加到操作的示例：

with tf.control_dependencies([tf.assert_shapes(shapes)]):
  output = tf.matmul(x, y, transpose_a=True)

如果 x , y , param 或 scalar 不具有满足所有指定约束的形状，则 message 以及第一个遇到的违规张量的第一个 summarize 条目将被打印，并引发 InvalidArgumentError。

指定形状中的大小条目通过其哈希值与其他条目进行检查，除了：

• 如果可以将大小条目解析为整数原语，则将其解释为显式大小。
• 如果大小条目为 None 或 '.'，则将其解释为任何大小。

如果形状的第一个条目是...(类型Ellipsis)或'*'，表示未指定大小的可变数量的外部尺寸，即约束仅适用于inner-most尺寸。

标量张量和长度为零的指定形状(不包括'inner-most' 前缀)都被视为具有大小为一的单一维度。