定义张量时的张量形状

Question

我正在研究神经网络并多次遇到形状问题...... Tensorflow为我们提供了一个关键字None，这样我们就不用担心张量的大小...... 使用None代替形状的已知数值是否有任何缺点。

方法1

input_placeholder = tf.placeholder(tf.float32,[None,None])

方法2

input_placeholder = tf.placeholder(tf.float32,[64,100])

运行代码时会有什么不同吗？

Answer 1

Tensorflow的tf.placeholder()张量不需要将固定的形状传递给它们。这允许您在以后的tf.Session.run(）调用中传递不同的形状。 所以你的代码工作得很好。 它没有任何缺点，因为当我们创建占位符时，Tensorflow不会分配任何内存。当您为占位符提供信息时，在调用tf.Session.run()时，TensorFlow将为输入张量分配适当大小的内存。

如果您在代码中的某些操作中进一步使用这些input_placeholder，则使用None（即无约束形状）定义它们可能会导致Tensorflow执行一些与张量形状相关的检查，同时在Session.run()通话期间动态执行这些操作。这是因为在构建图形时，Tensorflow并不知道输入的确切形状。