tf.nn.bias_add（value，bias）的输出是否具有与值的形状不同的形状

Question

所以在张量流中的卷积神经网络cifar10示例中，在cifar10.py的inference()方法中，我看到了几个这样的实例：

bias = tf.reshape(tf.nn.bias_add(conv, biases),conv.get_shape().as_list())

似乎重塑确保bias_add(value, bias)的输出具有值的形状

我的问题是，tf.reshape()是否必要？是否存在tf.nn.bias_add(value, bias)不会返回与值具有相同形状的张量的情况？

Answer 1

tf.nn.bias_add(value, bias)的{​​{3}}始终与值的形状相同，因此这些对tf.reshape()的调用是不必要的。

有时，调用tf.reshape()用于添加有关形状的显式信息，但shape of the result是使用recommended way to do this, per the FAQ方法添加形状信息而不添加冗余操作图表。