tensorflow代码（而不是placeholder）取决于批处理大小

Question

我是TF的新手。作为一个实验，我试图修改MNIST示例，直接实现非线性，而不是使用预定义函数。在

MNIST输入数据在程序中显示为大小张量（10784），其中10是批大小。当这些数据通过我的（修改过的）程序传递时，我得到一个形状错误（“必须具有相同的秩”），除非代码的其余部分也引用了批大小。这与我在教程中的预期相反，在教程中暗示批大小只需要考虑占位符，而othersize通常可以忽略。我原以为大部分代码可以编写成一次处理一个数据点的样子。在

这是代码的相关部分。mkmodule是从中的inference（）的修改版本调用的mnist.py（从提供的示例中）反过来从完全连接的_饲料.py. mkmodule（）的theinput参数是一批图像，大小（10784）。在

def mknonlin(theinput,nactive):
    print('theinput shape vs nactive',theinput.get_shape(), nactive)
    a = tf.Variable(tf.ones([nactive]),name='a')
    c = tf.Variable(tf.zeros([nactive]))
    amul = tf.mul(a,(theinput-c),name='mul-a')
    zeros = tf.zeros([nactive])
    print('a',a.get_shape(), 'c',c.get_shape(),   'amul', amul.get_shape())
    result = tf.select(tf.greater(theinput,c), amul, zeros)
    return result

def mkmodule(thename,theinput,insize,outsize):
    print('module',thename,'input shape=',theinput,insize,'output size=',outsize)
    W = tf.Variable(tf.truncated_normal([insize,outsize], stddev=1.), name='W')
    activation = mknonlin(tf.matmul(theinput,W), outsize)
    return activation

算法的精髓是用大小为（784,32）的权重矩阵W相乘，然后 通过元素非线性传递激活，如果激活较少，则为零 大于常数c，否则线性增加，用乘法表示。也就是说，在伪代码中

^{pr2}$

这是密码

amul = tf.mul(a,(theinput-c),name='mul-a')

和选择

result = tf.select(tf.greater(theinput,c), amul, zeros)

不管怎样，这里的算法只是一个没有考虑的实验。请注意张量的形状。在

运行时，它将从tf.select中给出以下错误：

ValueError: Shapes (10, 32) and (32,) must have the same rank

print语句的输出是：

module module1 input shape= Tensor("Placeholder:0", shape=(10, 784), dtype=float32) 784 output size= 32

theinput shape vs nactive (10, 32) 32

a (32,) c (32,) amul (10, 32)

我主要感到惊讶的是mul的输出具有大小（10,32）而不是大小32。 这是否意味着图中的某些变量（例如这里的zero）应该包括批处理大小作为一个维度？但是其他变量如a不需要它？在

那会很麻烦的。我想我一定是误会了什么。在