Question

我正在阅读this code，我想了解它的实施情况。

我想知道的第一件事是，一些张量对象（占位符）的形状是什么，例如xs，h_init，y_init，{{ 1}}，y_sample等

我写了一行代码，例如print(xs.shape)，但它不起作用。

我如何理解这些参数（张量）的形状？我可以在NumPy中写下类似的内容吗？

定义这些张量的代码部分如下所示：

x_init = tf.placeholder(tf.float32, shape=(args.init_batch_size,) + obs_shape)

xs = [tf.placeholder(tf.float32, shape=(args.batch_size, ) + obs_shape)
      for i in range(args.nr_gpu)]


# if the model is class-conditional we'll set up label placeholders +
# one-hot encodings 'h' to condition on if args.class_conditional:

num_labels = train_data.get_num_labels()
y_init = tf.placeholder(tf.int32, shape=(args.init_batch_size,))
h_init = tf.one_hot(y_init, num_labels)
y_sample = np.split(
    np.mod(np.arange(args.batch_size * args.nr_gpu), num_labels), args.nr_gpu)
h_sample = [tf.one_hot(tf.Variable(
    y_sample[i], trainable=False), num_labels) for i in range(args.nr_gpu)]

Answer 1

形状由不同的命令行参数组合而成：

obs_shape是输入图像的形状，例如(32, 32, 3)
args.init_batch_size和args.batch_size是命令行中的值。例如，可以是30和40。

然后，x_init的形状是init_batch_size和obs_shape：(30, 32, 32, 3)的串联。相应地，xs中每个项目的形状为(40, 32, 32, 3)。

您无法评估xs.shape，因为xs是占位符的列表。您可以改为评估xs[0].shape。

y_sample和h_sample也是张量列表。第一个包含(batch_size, num_labels)个张量，第二个包含(num_labels, )。

了解张量流占位符的形状

1 个答案: