首页 文章

Tensorflow tf.squared_difference输出意想不到的形状

提问于
浏览 次
0

新手在这里，我很抱歉，如果这个问题很愚蠢，但我在网上找不到任何关于它的信息 . 我为 tf.squared_difference 的输出获得了意想不到的形状 . 我希望获得具有 shape=(100, ?) 形状的Tensor作为以下片段的损失

[print("Logits",logits,"#Labels",labels,"LOSS",tf.squared_difference(labels,logits)) for logits, labels in zip(logits_series,labels_series)]

但它会产生 (100,100) 损失

Logits Tensor（“add_185：0”，shape =（100,1），dtype = float32）#Labels Tensor（“unstack_29：0”，shape =（100，），dtype = float32）LOSS Tensor（“SquaredDifference_94：0 “，shape =（100,100），dtype = float32）Logits Tensor（”add_186：0“，shape =（100,1），dtype = float32）#Labels Tensor（”unstack_29：1“，shape =（100， ），dtype = float32）LOSS Tensor（“SquaredDifference_95：0”，shape =（100,100），dtype = float32）

我用下面的代码测试了另一个例子并给出了预期的输出形状 .

myTESTX = tf.placeholder(tf.float32, [100, None])
myTESTY = tf.placeholder(tf.float32, [100, 1])

print("Test diff X-Y",tf.squared_difference(myTESTX,myTESTY) )
print("Test diff Y-X",tf.squared_difference(myTESTY,myTESTX) )

测试diff X-Y Tensor（“SquaredDifference_92：0”，shape =（100，？），dtype = float32）测试diff Y-X Tensor（“SquaredDifference_93：0”，shape =（100，？），dtype = float32）

I am having issue why these two snippets produce different output shape

python machine-learning tensorflow deep-learning

1 回答

  • 2

    第一个示例（使用 logits 和 labels ）和第二个示例（使用 myTESTX 和 myTESTY ）之间存在细微差别 . logits 与 myTESTY ： (100, 1) 具有相同的形状 . 但是， labels 的形状为 (100,) （不是动态形状），但 myTESTX 的形状为 (100, ?) .

    在第一种情况下（ logits 和 labels ），输入形状为 (100,) 和 (100,1) ，张量流使用广播 . 输入形状都不是动态的，因此您的输出形状是静态的： (100, 100) 由于广播 .

    在第二种情况下（ myTESTX 和 myTESTY ），输入形状为 (100, ?) 和 (100, 1) . 第一个输入形状是动态的，因此输出形状是动态的： (100, ?) .

    作为numpy中的一个更简单的说明性示例（使用相同的广播），请考虑以下情况：

    import numpy as np
x = np.arange(10)                # Shape: (10,)
y = np.arange(10).reshape(10,1)  # Shape: (10, 1)
difference = x-y                 # Shape: (10, 10)
    回复于

相关问题