TensorFlow中有许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)
我有一个占位符用于输入形状[无，784]，其中第一个维度为无，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？
答案 0 :(得分：18)
您只需将其作为单个示例提供，但采用批量形状。这意味着为形状添加额外的尺寸，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)
这样它就会“适合”占位符。
如果您希望batch_size更改，您还可以使用：
tf.truncated_normal(tf.shape(input_tensor), mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
其中input_tensor可以是占位符，或者只是张量会增加噪声。