我经常看到使用符号“ None ”、“ -1 ”和“ ? ”来让程序动态定义张量的维度(例如作为批量大小),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是否有任何功能差异?
谢谢
最佳答案
我是这样想的:None
表示未指定的维度。因此,例如,如果您定义一个占位符,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“ reshape 它,使第二个维度是 input_size
,而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是未知的,None
就是这样。 .如果您的输入张量已知大小为 10 个元素,并且您 reshape 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,对于接受可变大小的张量是必要的。
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,则重新整形为 [-1, -1, 2]
未定义——我们应该这样做[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——您自己不能使用问号。未知尺寸的原因当然可以是 None
的占位符。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。
我可能在这里错过了更多技术细节,但根据经验:使用 None
用于占位符和使用 -1
为 reshape 。这应该涵盖大多数用例。
关于python - Tensorflow 无、-1 和 之间有什么区别?指定张量形状时?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51732686/