Python tensorflow占位符-理解`shape=[None`

我试图理解tensorflow中的占位符。在下面的示例中，

shape=[None，

具体是什么意思

X = tf.placeholder(tf.float32, shape=[None, 128, 128, 3], name="X")

答案是：

您可以将TensorFlow中的占位符视为 指定要输入的数据的形状和类型的操作 graph.placeholder X定义了未指定数量的形状行 float32类型的（128、128、3）将被输入到图中。a 占位符不包含状态，仅定义类型和形状 要流入图形的数据的类型

---

当它说“未指定行数”时，它真的是指未指定数量的128*128*3形状的张量吗？就像你正在为CNN的输入图像创建一个占位符一样？

第一个维度表示样本数（在你的例子中是图像）为什么你不想硬编码一个特定的数字是为了保持灵活性，允许任何数量的样本。通过把<代码> NON/COMP>作为张量的第一个维度，你就可以做到这一点。考虑下面3个非常常见的动作：

批量培训：您将使用长度相对较小的批量样本（32,64，…）

培训评估：评估所有培训样本的绩效

测试评估：评估所有测试样本的性能

所有这些都适用于不同数量的样本。但是，您不必担心，因为

None

已经涵盖了您