我正在嘗試過濾形狀為 TensorFlow 張量(N_batch, N_data)，其中N_batch是批量大?。ɡ?32），N_data是（嘈雜的）時間序列數組的大小。我有一個高斯核（取自這里），它是一維的。然后我想tensorflow.nn.conv1d用我的信號來卷積這個內核。我早上大部分時間都在努力使輸入信號和內核的維度正確，但顯然沒有成功。從我從互聯網上收集的信息來看，輸入信號和內核的維度都需要以某種挑剔的方式對齊，而我就是不知道是哪種方式。TensorFlow 錯誤消息也不是特別有意義 ( Shape must be rank 4 but is rank 3 for 'conv1d/Conv2D' (op: 'Conv2D') with input shapes: [?,1,1000], [1,81])。下面我包含了一小段代碼來重現這種情況：import tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt# Based on: https://stackoverflow.com/a/52012658/1510542# Credits to @zephyrusdef gaussian_kernel(size, mean, std):    d = tf.distributions.Normal(tf.cast(mean, tf.float32), tf.cast(std, tf.float32))    vals = d.prob(tf.range(start=-size, limit=size+1, dtype=tf.float32))    kernel = vals   # Some reshaping is required here    return kernel / tf.reduce_sum(kernel)def gaussian_filter(input, sigma):    size = int(4*sigma + 0.5)    x = input   # Some reshaping is required here    kernel = gaussian_kernel(size=size, mean=0.0, std=sigma)    conv = tf.nn.conv1d(x, kernel, stride=1, padding="SAME")    return convdef run_filter():    tf.reset_default_graph()    # Define size of data, batch sizes    N_batch = 32    N_data = 1000    noise = 0.2 * (np.random.rand(N_batch, N_data) - 0.5)    x = np.linspace(0, 2*np.pi, N_data)    y = np.tile(np.sin(x), N_batch).reshape(N_batch, N_data)    y_noisy = y + noise    input = tf.placeholder(tf.float32, shape=[None, N_data])    smooth_input = gaussian_filter(input, sigma=10)    with tf.Session() as sess:        sess.run(tf.global_variables_initializer())        y_smooth = smooth_input.eval(feed_dict={input: y_noisy})        plt.plot(y_noisy[0])        plt.plot(y_smooth[0])        plt.show()if __name__ == "__main__":    run_filter()有任何想法嗎？