"我的代码中有一个问题，是由于使用了`tf.shape`和`Tensor.shape`。这两个方法都无法正常工作。"

Question

我已在 TensorFlow 中从头编写了 DETR 对象检测管道。
DETR：Kaggle Notebook 链接：包含全部代码；请复制笔记本以重现问题

我已经测试了管道中的所有独立组件，它们都能正常工作。
但当我开始在我的数据集（以 tf.data.Dataset 形式）上进行训练时，
部分代码链接，该处引发错误

出现以下错误：

ValueError: 在用户代码中：

    文件 "/tmp/ipykernel_19/4115406382.py"，第 7 行，训练步骤函数中  *
        y_pred = matcher(y_train, y_pred)

    文件 "/tmp/ipykernel_19/968499204.py"，第 64 行，在 __call__ 函数中  *
        class_prob, bbox_pred = Matcher.match(class_true, bbox_true, class_prob, bbox_pred)

    文件 "/tmp/ipykernel_19/968499204.py"，第 53 行，在 match 函数中  *
        C = Matcher.batched_cost_matrix(class_true, bbox_true, class_prob, bbox_pred)

    文件 "/tmp/ipykernel_19/968499204.py"，第 46 行，在 batched_cost_matrix 函数中  *
        tf.range(tf.shape(class_true)[0]), fn_output_signature=tf.float32

    文件 "/tmp/ipykernel_19/968499204.py"，第 22 行，在 compute_cost_matrix 函数中  *
        N = tf.shape(class_true)[0]

ValueError: 维度 0 的切片索引 0 超出范围。 

节点 '{{node map/while/strided_slice_4}} = StridedSlice[Index=DT_INT32, T=DT_INT32, begin_mask=0, ellipsis_mask=0, end_mask=0, new_axis_mask=0, shrink_axis_mask=1](map/while/Shape, map/while/strided_slice_4/stack, map/while/strided_slice_4/stack_1, map/while/strided_slice_4/stack_2)' 
输入形状为：[0], [1], [1], [1]，计算得到的输入张量：input[1] = <0>, input[2] = <1>, input[3] = <1>。

当我使用 tf.shape 打印 class_true 的形状时，得到的是，我不太明白这个结果。
而使用 Tensor.shape 时，返回的形状包含 None，因此再次出现错误。

但在单独测试（非训练模式）时，我能得到正确的 class_true 形状，即 tf.Tensor([42], shape=(1,), dtype=int32)。
我应该怎么修复他？

Code Different · Answer

错误出现在 compute_cost_matrix 函数中。

类别真实标签张量 class_true 具有形状 (N,)，而在映射过程中，你试图像其形状为 (m, N) 一样访问它的元素。这种形状差异可能导致超出范围的错误。

尝试在映射成本之前重塑张量：

def compute_cost_matrix(class_true, class_prob, bbox_true, bbox_pred):
    """
    (N,), (N, n_classes), (N, 4), (N, 4)
    """
    N = tf.shape(class_true)[0]

    # 确保 class_true 形状为 (N,)
    class_true = tf.reshape(class_true, (N,))

    # ... （其他原有代码）

由于 Kaggle 不断将我登出，我暂时无法亲自检查。期待您进行测试运行并提供进一步的信息。

Matt Sheppard · Answer

shape_tensor = tf.shape(your_tensor)
shape_tuple = your_tensor.shape