TensorFlow 0.12中如何反转flatten操作恢复张量原始形状？

嘿，这事儿其实挺简单的，用 TensorFlow 的 tf.reshape() 就能完美解决！

原理说明 #

tf.contrib.layers.flatten() 干的核心事儿就是把输入张量除第一个 batch 维度之外的所有维度，全部展平成一维——你这里就是把 [64, 32, 256, 2] 转成了 [64, 32*256*2]，也就是 [64, 16384]。那反转操作其实就是把展平后的张量重新 reshape 回原始的多维形状就行。

具体代码实现 #

你可以直接指定完整的原始形状，针对性很强：

# 假设你展平后的张量叫做 flattened_output，形状是 [64, 16384]
original_shape = [64, 32, 256, 2]
restored_tensor = tf.reshape(flattened_output, original_shape)

如果想让代码更通用（比如后续 batch size 可能调整），可以用 -1 让 TensorFlow 自动推断 batch 维度的大小，这样不管 batch 是 64 还是其他数值，都能正确恢复：

restored_tensor = tf.reshape(flattened_output, [-1, 32, 256, 2])

注意事项 #

要确保展平后的元素总数和原始形状的元素总数完全一致——你这里 64*32*256*2 = 64*16384，刚好匹配，所以不会有问题。如果总数不匹配，TensorFlow 会直接抛出错误提示你。

另外，你的环境是 TensorFlow 0.12 + Python 2.7，tf.reshape() 在这个版本里完全支持这种用法，放心用就行～

内容的提问来源于stack exchange，提问作者Peter111