TensorFlow哈希表处理数组类型键值报错：形状不兼容问题求助

这个问题我之前也碰到过，核心原因是输入张量的形状和哈希表中键的形状不匹配，导致lookup操作对默认值的形状预期出错了。

问题分析 #

你的代码里：

• keys是形状为(3,2)的张量，每个键是长度为2的一维数组；
• 但传入lookup的input_tensor是形状为(2,)的一维张量，TensorFlow会把它解析成两个独立的标量键（1和1）去查询，而不是一个完整的长度为2的数组键；
• 此时哈希表期望默认值是标量形状()，但你提供的default_value是形状(2,)的张量，两者形状不兼容，就触发了ValueError: Shapes (2,) and () are not compatible。

解决方案 #

只需要把input_tensor转换成和单个键同形状的批量张量——给它增加一个维度，让它的形状和keys中的每个元素一致（即(1,2)），这样lookup就会把整个数组当作一个完整的键去匹配。

修改后的完整代码：

import numpy as np
import tensorflow as tf

# 给input_tensor增加一个维度，将形状从(2,)变为(1,2)，匹配单个键的形状
input_tensor = tf.expand_dims(tf.constant([1, 1], dtype=tf.int64), 0)
keys = tf.constant(np.array([[1, 1],[2, 2],[3, 3]]), dtype=tf.int64)
values = tf.constant(np.array([[4, 1],[5, 1],[6, 1]]), dtype=tf.int64)
default_value = tf.constant(np.array([1, 1]), dtype=tf.int64)

table = tf.contrib.lookup.HashTable(
    tf.contrib.lookup.KeyValueTensorInitializer(keys, values),
    default_value
)
out = table.lookup(input_tensor)

with tf.Session() as sess:
    table.init.run()
    print(out.eval())  # 输出结果：[[4 1]]，符合预期

扩展说明 #

如果需要批量查询多个数组键（比如要查询[[1,1], [2,2]]），只需要保持input_tensor的形状为(2,2)即可，lookup会自动批量处理每个数组键，返回对应的values或default_value。

内容的提问来源于stack exchange，提问作者Mihkel L.