Question

我想训练一个不同数组大小的数据。例如，我们假设我们希望训练句子。第一句是“我是约翰”，第二句是“我知道”。如果句子转换成张量。第一件事将变成[“我”，“我”，“约翰”]，接下来将是[“我”，“知道”]。因此，第一个数组将需要3作为占位符形状的n_input。但是，第二个阵列需要2个。

x = tf.placeholder("float", [None, n_input])
y = tf.placeholder("float", [None, n_classes])

我需要上面的代码来定义占位符。但是，我无法确定n_input。

此外，形状中没有什么意思？ BATCH_SIZE？请帮帮我。

Answer 1

从技术上讲，占位符根本不需要形状。它可以这样定义。

x =tf.placeholder(tf.float32, shape=[])

在这种情况下，占位符本身没有形状信息。如果您知道张量的尺寸但不知道它的实际数字形状，我们将该尺寸的数值替换为无，因为它可以具有可变尺寸。

 x =tf.placeholder(tf.float32, shape=[None, None, None])

这会影响一些下游静态形状分析，张量流可以获得形状信息，但是它仍然可以按预期工作。

Answer 2

在像你这样的场景中，我们通常将第二个维度（time_steps或输入长度）设为常数，比如句子的最大长度，并且空格直接用填充或零填充。然后，您可以将占位符设置为：

x = tf.placeholder(tf.int32, [None, max_input_steps])
y = tf.placeholder(tf.int32, [None, nax_output_steps])