首页 文章

无法在TensorFlow中转换部分转换的张量

提问于
浏览 次
12

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)

我有一个占位符用于输入形状[无，784]，其中第一个维度为无，因为批量大小可能会有所不同 . 我可以使用固定的批量大小，但它仍然与测试/验证集大小不同 .

我无法将此占位符提供给tf.truncated_normal，因为它需要完全指定的张量形状 . 让tf.truncated_normal接受不同张量形状的简单方法是什么？

python tensorflow

1 回答

  • 18

    您只需将其作为单个示例提供，但采用批量形状 . 这意味着为形状添加额外的尺寸，例如

    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)

    这样它就会“适合”占位符 .

    如果您希望batch_size更改，您还可以使用：

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

    其中input_tensor可以是占位符，或者只是张量会增加噪声 .

    回复于

相关问题