TensorFlow中shape为()的字符串张量无法拆分该如何解决？

张量shape为()的原因 #

你当前使用的是0维（标量）字符串张量，内部仅存储1个独立的字符串元素，你看到的多个短语是这个单个字符串的文本内容，而非张量的独立元素，因此张量的形状为空元组()。

set_shape报错的原因 #

set_shape仅用于补充张量的静态形状推断信息，不会修改张量的实际存储结构。你的张量实际是0维标量，强行指定为1维形状会触发不兼容报错。如果需要修改张量的实际形状可以调用tf.reshape，但该方法仅能做维度的拆分合并，无法改变元素总数，你当前张量的元素总数仅为1，因此reshape也无法直接得到包含4个元素的数组，必须先解析字符串内容。

首先将标量内的字符串内容解析为包含4个独立字符串元素的1维张量，再按索引拆分即可：

1. 解析标量字符串为1维字符串张量

import tensorflow as tf
import ast

# 假设你的原始张量为raw_tensor
raw_tensor = tf.constant(b'["Can we make this quick?  Roxanne Korrine and Andrew Barrett are having an incredibly horrendous public break- up on the quad.  Again.",\n"Well, I thought we\'d start with pronunciation, if that\'s okay with you.",\n"Not the hacking and gagging and spitting part.  Please.",\n"Okay... then how \'bout we try out some French cuisine.  Saturday?  Night?"]')

# 场景1：Eager执行模式、非tf.data流水线场景
# 先转成Python字符串，解析为列表后重新构造张量
str_content = raw_tensor.numpy().decode('utf-8')
str_list = ast.literal_eval(str_content)
full_tensor = tf.constant(str_list, dtype=tf.string)

# 场景2：静态图模式、tf.data流水线场景
# 纯TensorFlow算子实现解析
processed = tf.strings.regex_replace(raw_tensor, r'^b\[|\]$', '')
splits = tf.strings.split(processed, sep=',\n')
splits = tf.strings.regex_replace(splits, r'^[\'"]|[\'"]$', '')
full_tensor = splits

2. 拆分得到张量A和张量B

# 索引从0开始计数，第1、3条短语对应索引0、2，第2、4条对应索引1、3
tensor_a = tf.gather(full_tensor, [0, 2])
tensor_b = tf.gather(full_tensor, [1, 3])

内容的提问来源于stack exchange，提问作者OK 400