python - Tensorflow 无，-1 和 之间有什么区别？指定张量形状时？

Question

我经常看到符号“None”、“-1”和“?” 让程序动态定义张量的维度(例如批量大小)，看起来效果相同:

x = tf.placeholder(tf.float32, [None, 48, 48, 3], name='InputData')

input = tf.reshape(input, [-1, input_size])

foo("bar", shape=(?,48), dtype=float32)

使用这些符号中的任何一个与另一个有什么功能上的区别吗？

谢谢

Answer 1

我是这样想的:

None 表示未指定维度。因此，例如，如果您定义了一个占位符，则可以使用 None 表示“此维度可以具有任何大小”。
占位符可以有多个 None 维度。这仅仅意味着多个维度可以是不同的大小。甚至整个形状都可以是 None 以指定未知数量的维度。

-1 是 Tensorflow 自行推断维度大小的指令。在 tf.reshape(input, [-1, input_size]) 中，这意味着“ reshape 它，使第二个维度是 input_size，第一个维度是任何需要的以匹配元素的总数。
这并不一定意味着维度未知，因为它是 None。如果您的输入张量已知大小为 10 个元素，并且您将其整形为 [-1, 2]，Tensorflow 能够推断出完整的形状 [5, 2] .
-1 纯粹是为了方便。你总是可以明确地写下形状而不是让 Tensorflow 推断它。另一方面，None 是接受可变大小张量所必需的。
一个形状中只能有一个 -1。多个没有意义，因为不可能推断出形状。例如。如果张量中有 12 个元素， reshape 为 [-1, -1, 2] 是未定义的——我们应该做 [3, 2, 2] 吗？ [2, 3, 2]？ [6, 1, 2]?...

最后，问号正是 Tensorflow 在打印张量和/或其形状时用来标记“未知”维度的东西。您发布的示例实际上会产生语法错误——您不能自己使用问号。未知维度的原因当然可以是具有 None 维度的占位符，并且通常根据占位符定义的张量(即应用于它们的某些操作的结果)也将具有未知维度。此外，一些操作可能未指定(部分)它们的输出形状，这也可能导致未知数。

我在这里可能遗漏了一些更多的技术细节，但作为一个经验法则:使用 None 作为占位符，使用 -1 来 reshape 。这应该涵盖大多数用例。