【TensorFlow】tf中关于shape的问题汇总
来源:互联网 发布:php 数组的写法 编辑:程序博客网 时间:2024/05/08 10:46
在TensorFlow中,涉及到shape的问题比较容易混淆,为此,在这里做一下区分,简单的汇总一下。
首先要说明一点,tf中tensor有两种shape,分别为static (inferred) shape 和 dynamic (true) shape,其中 static shape 用于构建图,是由创建这个tensor的op推断(inferred)得来,故又称 inferred shape。如果这个tensor的static shape未定义,则可用 tf.shape() 来获得其 dynamic shape。
1. 区分 x.get_shape() 和 x = tf.shape(x)
x.get_shape()返回 static shape,只有tensor有这个方法,返回的是元组。
x.get_shape().as_list() 是一个常用的方法,经常被用于将输出转为标准的python list。
关于 static shape 的样例如下所示:
x = tf.placeholder(tf.int32, shape = [4])print(x.get_shape())# ==> '(4,)'
get_shape() 返回了x 的静态类型,4指代 x 是一个长度为 4 的向量。
需要注意的是,get_shape()不需要放在Session中即可运行。
tf.shape() 与get_shape() 不同,示例如下所示:
y, _ = tf.unique(x)print(y.get_shape())# ==> '(?, )'sess = tf.Session()print(sess.run(y, feed_dict = {x: [0, 1, 2, 3]}).shape)#==> '(4, )'print(sess.run(y, feed_dict = {x: [0, 0, 0, 0]}).shape)#==> '(1, )'
通过这两个示例就可以看出两种shape方法的不同之处,需要注意的是tf.shape()需要在session中运行。
2. 区分 x.set_shape() 和 tf.reshape()
set_shape更新tensor的 static shape,不改变 dynamic shape。reshape 创建一个具备不同 dynamic shape 的新的tensor.
0 0
- 【TensorFlow】tf中关于shape的问题汇总
- tf中关于shape的问题
- tf中几个shape问题
- tensorflow的shape问题
- tensorflow中遇到的问题汇总
- Tensorflow -tf.shape(a)和a.get_shape()
- tensorflow中tf.maximum,tf.minimum,tf.argmax,tf.argmain的对比
- tensorflow中tf.random_normal和tf.truncated_normal的区别
- Tensorflow中tf.get_variable和tf.variable_scope的使用
- tensorflow中tf.nn.conv2d_transpose的应用
- tensorflow中tf.app.run()的含义
- TensorFlow中tf.train.exponential_decay的用法
- tensorflow中获取shape的方法比较
- tensorflow关于tf.train.Saver()
- 关于Shape渐变的问题
- 关于shape的corners问题
- android 中样式修改关于shape 的相关问题
- Tensorflow编写过程中遇到的各种小问题汇总
- 使用Queue类,模拟完成一个队列的入队出队处理过程,能图形化显示入队出队过程。
- mysql连接错误
- 感冒为什么会流鼻涕?
- hust 1366 Game
- SpringMVC静态资源配置
- 【TensorFlow】tf中关于shape的问题汇总
- 用JvisualVM监控prunsrv服务
- Window Navigator
- 发布Jar包到Maven中央仓库
- 设计模式之建造者模式
- acm第一战 新赛季的无名小辈
- 模拟strcpy与strncpy
- C++
- 如何在GDB中关联源代码