TensorFlow形狀和類型推理

Question

我瞭解到我可以通過修改來自protobuf的JSON來編程TensorFlow。請參閱here

如果我修改此JSON，則有時會出現問題，我需要手動編輯JSON以傳播各種輸入和輸出的適當形狀。有沒有辦法讓TF自動爲我做這個，以便我可以通過佔位符指定輸入，然後形狀和類型自動傳播？

Answer 1

如果您知道要製作哪種類型的修改，則可以從佔位符中刪除該形狀信息。不確定性會自動傳播。例如：

import tensorflow as tf 
placeholder = tf.placeholder(dtype=tf.float32, shape=[None]) 
derived = (placeholder/3)[1:, None] 
print(placeholder.get_shape(), derived.get_shape()) 

打印：

(TensorShape([Dimension(None)]), TensorShape([Dimension(None), Dimension(1)])) 

所以會有保存的placeholder長度沒有靜態的形狀信息。你甚至可以擁有未知等級的張量。

重新計算靜態形狀是一種誘人的想法，但目前尚不支持此功能，因爲圖形構造可能依賴於靜態形狀信息。例如：

placeholder = tf.placeholder(dtype=tf.float32, shape=[2]) 
if placeholder.get_shape()[0].value % 2 == 0: 
    derived = placeholder 
else: 
    derived = tf.concat(0, [placeholder, [0]]) 

這是不推薦的圖形構造技術（更好的使用tf.shape與cond），但它確實發生了。不幸的是，這種靜態形狀條件圖結構並未在元圖中被捕獲。