对tensorflow变量形状感到困惑

我正在使用tensorflow机器学习烹饪书（）学习tensorflow。我目前在NLP第（07）章。我对如何决定张量流变量的维数感到非常困惑。例如，在他们使用的单词包示例中：

# Create variables for logistic regression
A = tf.Variable(tf.random_normal(shape=[embedding_size,1]))
b = tf.Variable(tf.random_normal(shape=[1,1]))

# Initialize placeholders
x_data = tf.placeholder(shape=[sentence_size], dtype=tf.int32)
y_target = tf.placeholder(shape=[1, 1], dtype=tf.float32)

# Create variables for logistic regression
A = tf.Variable(tf.random_normal(shape=[max_features,1]))
b = tf.Variable(tf.random_normal(shape=[1,1]))

x_data = tf.placeholder(shape=[None, max_features], dtype=tf.float32)
y_target = tf.placeholder(shape=[None, 1], dtype=tf.float32)

在tf idf示例中，他们使用：

# Create variables for logistic regression
A = tf.Variable(tf.random_normal(shape=[embedding_size,1]))
b = tf.Variable(tf.random_normal(shape=[1,1]))

# Initialize placeholders
x_data = tf.placeholder(shape=[sentence_size], dtype=tf.int32)
y_target = tf.placeholder(shape=[1, 1], dtype=tf.float32)

# Create variables for logistic regression
A = tf.Variable(tf.random_normal(shape=[max_features,1]))
b = tf.Variable(tf.random_normal(shape=[1,1]))

x_data = tf.placeholder(shape=[None, max_features], dtype=tf.float32)
y_target = tf.placeholder(shape=[None, 1], dtype=tf.float32)

---

如何决定在占位符形状中何时使用None和1？谢谢大家!

将

None

用作形状的一部分，意味着它将在运行时确定。 这对于所谓的培训非常有用，在这种培训中，您为培训过程的每个迭代提供一个固定大小的数据子集。 因此，如果将其设置为

None

，则可以在批大小之间切换，而不会出现问题。（虽然您不会在同一个会话中执行此操作，但每个会话都可以尝试不同的批处理大小）

当您陈述一个特定的形状时，它将是什么，这是会话期间唯一可以馈送给它的形状（使用

feed_dict

param）

---

在您的特定示例中，

y_目标的第一部分的形状将始终是
[1,1]
，其中在代码的第二部分，
y_目标可以是
[10,1]
/
[200,1]
/
[1]
当占位符中的元素计数事先未知时，应使用“无”。但例如，在x_数据占位符中，如果数据元素的计数为1，即事先已知，则可以将“无”替换为1
 请参阅，了解如何在Tensorflow中处理形状的说明