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）：
|
1
|
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：
|
1
2
3
|
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服务器之家。
原文链接：https://blog.csdn.net/change_things/article/details/78878763
