Question

在某些情况下，tensorflow似乎能够在图形创建时检查张量的值，而在其他情况下，这会失败。

>>> shape = [constant([2])[0], 3]
>>> reshape([1,2,3,4,5,6], shape)
<tf.Tensor 'Reshape_13:0' shape=(2, 3) dtype=int32>
>>> zeros(shape)
<tf.Tensor 'zeros_2:0' shape=(?, 3) dtype=float32>

在上面的例子中，reshape（）可以看到传入的张量作为形状的值为2，结果输出的形状为（2,3）但是零（）不能，静态形状是（？，3）。差异的原因是什么？

我的同事发布了Determining tensor shapes at time of graph creation in TensorFlow，这是基于相同的潜在问题，但他问的是如何最好地使用tensorflow来解决这类问题，而我的问题是关于为什么是tensorflow表现得这样。这是一个错误吗？

Answer 1

TD; DR：

tf.reshape可以推断输出的形状，但tf.zeros不能;
shape支持两个函数的整数（如静态/明确）和张量（动态/不定）。

代码更具体，更清晰：

shape = [tf.constant([2])[0], tf.constant([3])[0]]
print(tf.reshape([1,2,3,4,5,6], shape))  
# Tensor("Reshape:0", shape=(?, ?), dtype=int32)
print(tf.zeros(shape))  
# Tensor("zeros:0", shape=(?, ?), dtype=float32)

和此：

shape = [tf.constant([5])[0], 3]
print tf.reshape([1,2,3,4,5,6], shape)  
# Tensor("Reshape:0", shape=(2, 3), dtype=int32)
# This will cause an InvalidArgumentError at running time!

使用Tensor（例如tf.constant([2])[0]）作为shape创建另一个Tensor（如tf.zeros(shape)）时，图表创建时形状总是无限的时间。但是，tf.reshape()是不同的。它可以使用输入的形状和给定的形状（静态部分）来推断输出的形状。

在您的代码中，3是一个静态整数，并给出了输入的形状（[6]）;形状(2, 3)实际上是通过推断而不是提供来获得的。这可以在代码的第二部分中证明。虽然我给了tf.constant([5])，但形状不会改变。（图表创建时没有错误，但在运行时出现错误！）

在图形创建时跟踪张量形状

1 个答案: