TensorFlow 中有很多方法需要指定形状，例如 truncated_normal:
tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
我有一个用于输入形状 [None, 784] 的占位符，其中第一个维度是 None，因为批量大小可能会有所不同。我可以使用固定的批量大小，但它仍然与测试/验证集大小不同。
我无法将此占位符提供给 tf.truncated_normal 因为它需要完全指定的张量形状。让 tf.truncated_normal 接受不同张量形状的简单方法是什么？
最佳答案
您只需要将其作为单个示例输入，但以批处理的形式输入。所以这意味着给形状增加一个额外的维度，例如
batch_size = 32 # set this to the actual size of your batch
tf.truncated_normal((batch_size, 784), mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
这样，它将“适合”占位符。
如果您希望 batch_size 改变，您也可以使用:
tf.truncated_normal(tf.shape(input_tensor), mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
input_tensor 可以是占位符，也可以是任何张量将添加此噪声的地方。
关于python - 无法在 TensorFlow 中转换部分转换的张量，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/35289773/