Question

我了解到我可以通过修改来自protobuf的JSON来编程TensorFlow。见here

如果我修改了这个JSON，那么我有时会遇到一个问题，我需要手动编辑JSON以传播各种输入和输出的正确形状。有没有办法让TF为我自动执行此操作，以便我可以通过占位符指定输入，然后自动传播形状和类型？

Answer 1

如果您知道要进行哪些类型的修改，则可以从占位符中删除该形状信息。不确定性将自动传播。例如：

import tensorflow as tf
placeholder = tf.placeholder(dtype=tf.float32, shape=[None])
derived = (placeholder / 3)[1:, None]
print(placeholder.get_shape(), derived.get_shape())

打印：

(TensorShape([Dimension(None)]), TensorShape([Dimension(None), Dimension(1)]))

因此，placeholder的长度不会保存静态形状信息。你甚至可以拥有未知等级的张量。

重新计算静态形状是一种诱人的思想，但目前尚不支持，因为图形构造可能依赖于静态形状信息。例如：

placeholder = tf.placeholder(dtype=tf.float32, shape=[2])
if placeholder.get_shape()[0].value % 2 == 0:
    derived = placeholder
else:
    derived = tf.concat(0, [placeholder, [0]])

这不是推荐的图形构造技术（使用tf.shape和cond更好），但它确实发生了。遗憾的是，这种静态形状条件图结构未在元图中捕获。

TensorFlow形状和类型推断

1 个答案: