如何将张量填充至统一尺寸？图模式下Keras模型的实现问题

你的代码出错核心原因是：图模式下Python列表推导[[0, i] for i in d]无法处理TensorFlow张量——图构建阶段Python逻辑无法遍历动态张量的元素，必须改用TensorFlow原生操作实现。

修正后的代码 #

def match_size(self, x, y):
    # 获取张量的动态形状（适配维度不确定的场景）
    x_shape = tf.shape(x)
    y_shape = tf.shape(y)
    
    # 计算x需填充的维度差：每个维度取y与x的差值，小于0则置0
    pad_x = tf.maximum(y_shape - x_shape, 0)
    # 生成x的padding参数：每个维度对应[0, 填充量]
    padding_x = tf.map_fn(lambda p: [0, p], pad_x, fn_output_signature=tf.int32)
    x = tf.pad(x, padding_x)
    
    # 同理处理y的填充
    pad_y = tf.maximum(tf.shape(x) - y_shape, 0)
    padding_y = tf.map_fn(lambda p: [0, p], pad_y, fn_output_signature=tf.int32)
    y = tf.pad(y, padding_y)
    
    return x, y

关键改动说明 #

• 用tf.shape()替代.shape：.shape获取的是静态形状，无法应对动态变化的维度（如你的特征维度），tf.shape()会在图执行阶段获取张量的真实实时尺寸。
• 用tf.map_fn替代Python列表推导：这是TensorFlow原生的映射操作，能在图模式下合法处理张量元素，生成tf.pad要求的二维padding参数。
• 保持填充逻辑一致：只在每个维度的末尾补全元素，符合你给出的示例需求。

验证效果 #

• 输入x=(10,4,4), y=(10,4,2) → 输出x=(10,4,4), y=(10,4,4)
• 输入x=(10,4,2), y=(10,4,4) → 输出x=(10,4,4), y=(10,4,4)
• 输入x=(10,3,2), y=(10,4,1) → 输出x=(10,4,2), y=(10,4,2)

内容的提问来源于stack exchange，提问作者SnakeWasTheNameTheyGaveMe