张量流重塑用法

Question

我在一个示例中看到了以下代码：

X = tf.placeholder(tf.float32, [None, 784], name='InputData') 
# image shape 28*28=784
XX = tf.reshape(X, [-1, 784]) 
# reshape input

这里tf.reshape的用途是什么，因为我们已经有来自mnist数据集的输入数据集，并且每个图像的大小为784（28 * 28）。那么，通过再次重塑图像可以得到什么？

Answer 1

  

如果形状的一个分量为特殊值-1，则其大小   计算尺寸，以便总尺寸保持不变

在您的示例中，两个地方的784可能会使您感到困惑。

但是，如果要使用28 * 28尺寸，则许多零件需要重塑，如下所示。然后，将 -1 推断为 28 。

X = tf.placeholder(tf.float32, [None, 784], name='InputData') 
XX = tf.reshape(X, [-1, 28])