我经常看到使用符号“ 无 ”，“ -1 ”和“ ？ ”，以使程序动态定义张量的尺寸（例如批大小），似乎具有相同的效果：
x = tf.placeholder(tf.float32, [None, 48, 48, 3], name='InputData')
input = tf.reshape(input, [-1, input_size])
foo("bar", shape=(?,48), dtype=float32)
使用这些符号中的任何一个是否有功能上的区别？
谢谢
答案 0 :(得分：3)
我是这样想的：
None表示未指定的尺寸。因此，例如，如果您定义了一个占位符，则使用None来表示“此尺寸可以有任意大小”。
占位符可以具有多个None维度。这仅表示多个尺寸可以不同。甚至整个形状也可以None来指定未知数量的尺寸。
-1是Tensorflow自行推断尺寸的指令。在tf.reshape(input, [-1, input_size])中，这意味着“将其重塑为第二维为input_size，而第一维就是匹配元素总数所需的任何值。”
not 不一定意味着维度未知，就像None一样。如果输入张量的已知大小为10个元素，并且将其重塑为[-1, 2]，则Tensorflow能够推断完整形状[5, 2]。
-1纯粹是为了方便。您总是可以显式地写下形状，而不是让Tensorflow推断它。另一方面，None对于接受可变大小的张量是必需的。
形状中只能有一个-1。多个没有意义，因为不可能推断出形状。例如。如果张量中有12个元素，则重塑为[-1, -1, 2]是不确定的-我们应该做[3, 2, 2]吗？ [2, 3, 2]？ [6, 1, 2]？...
最后，问号是Tensorflow在打印张量和/或其形状时用来标记“未知”尺寸的内容。您发布的示例实际上会产生语法错误-您不能自己使用问号。尺寸未知的原因当然可以是尺寸为None的占位符，并且通常根据占位符定义的张量（即，对它们应用某些操作的结果）也将具有未知的尺寸。另外，某些操作可能未指定其输出形状（的一部分），这也会导致未知数。
我可能在这里错过了更多的技术知识，但是根据经验：使用None作为占位符，使用-1进行重塑。这应该涵盖了大多数用例。