为什么MNIST教程中的负形状重塑（-1）？

Question

阅读the Tensorflow MNIST tutorial，我偶然发现了

x_image = tf.reshape(x, [-1,28,28,1])

28, 28来自width, height，1来自频道数量。但为什么-1？

我想这与小批量培训有关，但我想知道为什么-1而不是1（这似乎在numpy中给出相同的结果）。 （可能相关：为什么numpy的重塑会为-1，-2和1提供相同的结果？

Answer 1

-1表示推断该维度的长度。这是基于以下约束来完成的：重新整形时ndarray或Tensor中元素的数量必须保持不变。在本教程中，每个图像都是一个行向量（784个元素），并且有很多这样的行（让它为n，因此有784n个元素）。所以，当你写

x_image = tf.reshape(x, [-1, 28, 28, 1])

TensorFlow可以推断-1是n。

Answer 2

在您正在阅读的MNIST教程中，您输入图层的所需形状：[batch_size，28,28,1]

x_image = tf.reshape（x，[ - 1,28,28,1]）

此处输入x的-1指定应根据x中的输入值的数量动态计算此维度，并保持所有其他维度的大小不变。这允许我们将batch_size（值为-1的参数）视为我们可以调整的超参数。

Answer 3

-1 表示需要根据张量总元素不变的规则自动推导出当前轴上的长度