无法在TensorF中转换部分转换的张量

Question

TensorFlow中有许多方法需要指定形状，例如truncated_normal：

tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)

我有一个用于输入shape[None，784]的占位符，其中第一个维度是None，因为批大小可以变化。我可以使用固定的批大小，但它仍然与测试/验证集大小不同。

我无法将此占位符馈送到tf.truncated_normal，因为它需要完全指定的张量形状。什么是让tf.truncated_normal接受不同张量形状的简单方法？

Answer 1

你只需要把它作为一个单独的例子，但在成批的形状。所以这意味着在形状上增加一个额外的尺寸

batch_size = 32 # set this to the actual size of your batch
tf.truncated_normal((batch_size, 784), mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)

这样它就能“适应”占位符。

如果希望更改批处理大小，也可以使用：

tf.truncated_normal(tf.shape(input_tensor), mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)

其中输入张量可以是一个占位符，也可以是任何张量加上这个噪声。