python - Tensorflow None, -1 和 有什么区别？指定张量形状时？

原文 标签 python tensorflow dynamic reshape tensor

我经常看到使用符号“ None ”、“ -1 ”和“ ? ”让程序的维度(张量)动态定义作为批量大小)，看似相同的效果:

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其他符号相比是否有任何功能差异？

谢谢

我是这样想的:
None表示未指定的维度。因此，例如，如果您定义占位符，则使用 None说“这个维度可以有任何大小”。
一个占位符可以有多个 None方面。这只是意味着多个维度可以是不同的大小。连整个造型都可以None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]) ，这意味着“重塑它，使第二个维度是 input_size ，第一个维度是匹配元素总数所需的任何内容”。
这并不一定意味着维度未知，正如 None 一样。 .如果您的输入张量的已知大小为 10 个元素，并且您重塑为 [-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。 None另一方面是接受可变尺寸张量所必需的。
您只能拥有一个 -1在一个形状。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，则将其整形为 [-1, -1, 2]未定义——我们应该做 [3, 2, 2] ? [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占位符 None维度，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)也将具有未知的维度。此外，某些操作可能未指定(部分)其输出形状，这也可能导致未知数。

我在这里可能遗漏了更多技术细节，但根据经验:使用 None用于占位符和使用 -1为重塑。这应该涵盖大多数用例。