tf.reshape((), (0)) Eager模式正常图模式报ValueError解决方案

• tf.reshape((), (0)) 在TensorFlow Eager模式下可正常运行，在Graph图模式下执行会抛出如下错误：

ValueError: Shape must be rank 1 but is rank 0 for '{{node Reshape}} = Reshape[T=DT_FLOAT, Tshape=DT_INT32](Reshape/tensor, Reshape/shape)' with input shapes: [0], [].

• 找到可跨Eager/Graph模式运行的替代写法
• 在TensorFlow图模式下复现PyTorch音频库emformer模块的mems初始化逻辑
• 实现与PyTorch中torch.empty(0)功能等价、同时兼容两种TensorFlow运行模式的张量创建方法

图模式下tf.reshape算子对目标shape参数有强校验：要求传入值必须是秩为1的序列/张量，原写法传入标量0属于秩0输入，不符合入参规则；Eager模式下执行逻辑做了隐式兼容，所以不会触发该报错。

方案1：直接创建目标空张量（推荐） #

不需要绕reshape逻辑，直接生成形状为[0]的空张量即可，两种模式下行为完全一致，和torch.empty(0)的输出语义对齐：

import tensorflow as tf

def tf_empty_like_torch(dtype=tf.float32):
    # 若需要严格对齐torch.empty的未初始化语义，替换为下一行即可
    # return tf.raw_ops.Empty(shape=[0], dtype=dtype)
    return tf.zeros([0], dtype=dtype)

该方法返回张量形状为(0,)，和Eager模式下原tf.reshape((), (0))的返回结果完全等价，图模式下无shape校验错误。

方案2：修正reshape入参格式 #

如果一定要保留reshape写法，只需要把标量形式的shape参数改为秩1的列表格式即可：

# 将原写法的(0)替换为[0]，即可兼容两种模式
tf.reshape((), [0])

该写法本质是多了一层无意义的reshape操作，性能略低于直接创建空张量的方案。

内容的提问来源于stack exchange，提问作者JonnyJack