Theano with tensor.zeros（）和tensor.shape（）作爲arg時的錯誤

Question

我試圖做一個簡單的T.zeros()操作，兩個向量的形狀在Theano中作爲參數的區別。

事情是這樣的：

import theano as theano 
import theano.tensor as T 

x1 = T.ivector('x1') 
x2 = T.ivector('x2') 
shape_sub = T.sub(T.shape(x1),T.shape(x2)) 

zeros = T.zeros(shape_sub) 

f = theano.function([x1, x2], zeros)   

但我發現了一個錯誤值

ValueError: length not known: Elemwise{sub,no_inplace} [id A] '' 
|Shape [id B] '' 
| |x1 [id C] 
|Shape [id D] '' 
    |x2 [id E] 

這可能是因爲）T.zeros（的參數必須是包含形狀的元組或列表，而不是包含形狀減去的ivector tensorType，這是shape_sub的輸出。但是，我該如何實現這個代碼呢？我不能在這裏使用T.zeros_like()，因爲它將整個張量作爲輸入，而不是它的形狀。

我能想到解決這個問題的唯一方法是對shape_sub的值使用一個共享變量，對它進行評估，然後提供給T.zeros()函數，但它看起來效率不高。

Answer 1

這個問題的核心是，在編譯時：

• Theano必須知道張量排名。
• Theano對張量形狀的確切數字一無所知。 [1]

我把它看成是Tensorflow中靜態張量形狀的缺陷。

在你的代碼中，Theano知道shape_sub是向量的向量，但不是長度。因此它不能確定zeros呼叫的等級。 （其實這應該知道，但它只是忘記的信息，由於內部缺陷）

你可以使用此代碼相同的錯誤：

shp = T.ivector() 
zs = T.zeros(shp) 

一個可能的解決方案是硬編碼：

x1_shp = T.shape(x1) 
x2_shp = T.shape(x2) 
assert x1.ndim == x2.ndim 
zeros = T.zeros([x1_shp[i] - x2_shp[i] for i in range(x1.ndim)]) 

---

[1]其實Theano知道廣播尺寸，所以它的possbile告訴哪些形狀的軸的尺寸爲1，但不能更多。