Python 在图形创建时跟踪张量形状

在某些情况下，tensorflow似乎能够在图形创建时检查张量的值，而在其他情况下则无法检查

>>> 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>

>>shape=[常数（[2]）[0]，3]
>>>重塑（[1,2,3,4,5,6]，形状）
>>>零（形状）

在上面的示例中，reforme（）可以看到作为shape传入的张量的值为2，结果输出的形状为（2,3），但zeros（）不能，静态形状为（？，3）。差异的原因是什么

我的同事发表了一篇文章，这篇文章基于相同的基本问题，但他提出了一个稍微不同的问题，即如何最好地使用tensorflow来解决这类问题，而我的问题是为什么tensorflow会这样做。这是一个bug吗？

TD；博士：

• tf.reforme

  可以推断输出的形状，但是

  tf.zero

  不能

• shape

  支持两个函数的整数（as静态/确定的）和张量（as动态/不确定的）

---

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)

这是：

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!

当使用一个

张量

（如

tf.常量（[2]）[0]

）作为

形状

创建另一个

张量

（如

tf.零（形状）

）时，形状在图形创建时总是不确定的。但是，

tf.reformate（）

是不同的。它可以使用输入的形状和给定的形状（静态部分）推断输出的形状

---

在您的代码中，

3

是一个静态整数，输入的形状是给定的（

[6]

）；形状

（2，3）

实际上是通过推断而不是提供的。这可以在代码的第二部分中得到证明。虽然我给出了一个

tf.常数（[5]）

，但形状没有改变。（在图形创建时并没有错误，但在运行时引发了一个错误！）

是的，我得出了相同的结论，即整形是使用第一个参数的形状来推断输出形状应该是什么。