跟踪图形创建时的张量形状

Question

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，这是失败的。你知道吗

>>> 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>

在上面的示例中，reformate（）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？你知道吗

我的同事发布了Determining tensor shapes at time of graph creation in TensorFlow，这是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tensorflow为什么会这样。是虫子吗？你知道吗

Answer 1

技术总监；博士：

• tf.reshape能推断出输出的形状，而tf.zeros不能
• shape对这两个函数都支持整数（asstatic/definite）和张量（asdynamic/definite）。你知道吗

---

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)

还有这个：

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Tensor（如tf.constant([2])[0]）作为shape来创建另一个Tensor（如tf.zeros(shape)）时，图形创建时的形状总是不确定的。然而，tf.reshape()是不同的。它可以利用输入的形状和给定的（静态部分的）形状来推断输出的形状。你知道吗

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。这可以在第二部分代码中得到证明。虽然我给出了一个tf.constant([5])，但是形状没有改变。（在图形创建时没有错误，但在运行时引发了错误！）你知道吗