TensorFlow形状和类型推断
TensorFlow是一个开源的机器学习框架，用于构建和训练各种机器学习模型。在TensorFlow中，形状和类型推断是指在没有显式指定形状和类型的情况下，自动推断张量（Tensor）的形状和类型。
形状推断是指根据张量的操作和输入张量的形状，推断出输出张量的形状。TensorFlow使用静态图计算模型，即在构建计算图时就需要确定张量的形状。形状推断可以帮助我们在构建计算图时更加方便地确定张量的形状，减少手动指定形状的工作量。
类型推断是指根据张量的操作和输入张量的类型，推断出输出张量的类型。TensorFlow支持多种数据类型，如浮点型、整型、布尔型等。类型推断可以帮助我们在构建计算图时更加方便地确定张量的类型，减少手动指定类型的工作量。
形状和类型推断在TensorFlow中具有以下优势：
- 减少手动指定形状和类型的工作量：通过形状和类型推断，我们可以在构建计算图时省去手动指定形状和类型的步骤，减少了开发者的工作量。
- 提高代码的可读性和可维护性：通过形状和类型推断，我们可以更清晰地了解张量的形状和类型，提高了代码的可读性和可维护性。
- 支持动态形状和类型：TensorFlow还支持动态形状和类型的张量，即在运行时根据输入数据的形状和类型来确定输出张量的形状和类型。这使得TensorFlow更加灵活和适应各种场景。
TensorFlow中的形状和类型推断可以应用于各种机器学习任务和应用场景，包括图像识别、自然语言处理、推荐系统等。通过形状和类型推断，我们可以更方便地处理不同形状和类型的输入数据，并构建适应性更强的机器学习模型。
腾讯云提供了一系列与TensorFlow相关的产品和服务，包括云服务器、GPU实例、弹性容器实例、容器服务等，可以帮助用户快速搭建和部署TensorFlow环境。具体产品和服务的介绍和链接地址如下：
- 云服务器（CVM）：提供高性能、可扩展的云服务器实例，支持自定义配置和弹性伸缩。链接地址：https://cloud.tencent.com/product/cvm
- GPU实例：提供配备强大GPU加速器的云服务器实例，适用于深度学习和机器学习任务。链接地址：https://cloud.tencent.com/product/gpu
- 弹性容器实例（Elastic Container Instance）：提供轻量级、弹性的容器实例服务，支持快速部署和运行TensorFlow容器。链接地址：https://cloud.tencent.com/product/eci
- 容器服务（TKE）：提供高可用、弹性伸缩的容器集群管理服务，支持在集群中部署和管理TensorFlow容器。链接地址：https://cloud.tencent.com/product/tke
通过使用腾讯云的相关产品和服务，用户可以快速搭建和部署TensorFlow环境，提高机器学习模型的开发和训练效率。
相关·内容
我又回到了python，一直在尝试一些关于tensorflow和keras的东西。我想要使用plot_model函数，在整理了一些图形问题之后，我现在得到了这个错误-
TypeError: add_node()接收到一个非节点类对象：
我试着自己找一个答案，但结果很短，因为我找到的唯一答案似乎与tf无关。如有任何建议或替代意见，将不胜感激。这是代码和错误信息-我在这里的第一个问题很抱歉，如果我错过了什么，就让我知道。
我在python3.8中使用miniconda3
import tensorflow as tf
from tensorflow.keras import Model
fr
浏览 8提问于2020-05-05得票数 1
回答已采纳
因此，根据，我们可以使用tf.assign和validate_shape=False来改变形状。它确实改变了变量内容的形状，但是您可以从get_shape()获得的形状不会更新。例如：
>>> a = tf.Variable([1, 1, 1, 1])
>>> sess.run(tf.global_variables_initializer())
>>> tf.assign(a, [[1, 1, 1, 1, 1, 1, 1], [1, 1, 1, 1, 1, 1, 1]], validate_shape=False).eval()
arra
浏览 4提问于2017-05-26得票数 1
在以下代码中：
当我没有在1^{st}层中指定输入形状时，我会得到一个错误。我认为TensorFlow可以推断致密层的形状。对于我见过的一些代码，TensorFlow在不指定输入形状的情况下工作。
我应该指定什么输入形状？X是(9，)。默认情况下，是否应该省略输入形状的样本大小？
import numpy as np
from numpy import array
import pandas as pd
from tensorflow.keras.layers import Activation, Dense, SimpleRNN, GRU, LSTM, Conv1D, Conv2D,
浏览 0提问于2022-01-22得票数 0
对于tensorflow中的图像语义分割模型，我需要向FCN或segnet模型提供可变大小的输入。所以我用了一个占位符：
self.input= tf.placeholder(tf.float32, shape=(batch_size,None,None,3),name='')
在编解码器模型中，我需要在最大池之后解池，代码类似于：
#upsample fuction used in decoder
def _upsample_along_axis(volume, axis, stride, mode='COPY'):
shape = volume.ge
浏览 0提问于2018-03-29得票数 0
回答已采纳
为什么在Tensorflow中，在急切模式和图形模式下的错误消息不是相同的呢？
例如:在急切模式下运行：
import tensorflow as tf
tf.enable_eager_execution()
a = tf.random_uniform(shape=[2, 3])
a_tile = tf.tile(a, [5])
print(a_tile)
产生错误消息：
Expected multiples argument to be a vector of length 2 but got length 1 [Op:Tile]
在图形模式下运行时：
import tensorflow a
浏览 1提问于2018-08-05得票数 0
回答已采纳
在中，它说：
在TensorFlow中，张量既有静态(推断)形状，也有动态(真)形状。静态形状可以使用tf.Tensor.get_shape()方法读取:该形状是从用来创建张量的操作推断出来的，并且可能是部分完成的。如果静态形状未完全定义，则可通过计算tf.shape(t)来确定张量t的动态形状。
但是，我仍然不能完全理解静态形状和动态形状之间的关系。是否有例子显示他们的不同之处？谢谢。
浏览 3提问于2016-05-08得票数 63
回答已采纳
1回答
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。
>>> 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，
浏览 0提问于2018-03-01得票数 4
回答已采纳
在Tensorflow-contrib中，是根据filter_size和num_outputs定义的。如何在Theano的类型中控制num_outputs？
浏览 0提问于2017-07-28得票数 0
我使用tf.contrib.seq2seq.dynamic_decode进行解码器训练
prediction, final_decoder_state, _ = dynamic_decode(
custom_decoder
)
带自定义解码器
custom_decoder = CustomDecoder(decoder_cell, helper, decoder_init_state)
和帮助器
helper = CustomTrainingHelper(batch_size, targets, stop_targets,
n
浏览 0提问于2018-06-04得票数 0
我们应该如何将多input_shape模型从Keras转换到Tensorflow Lite？ 我试着把这个转换成： {
"class_name": "Model",
"keras_version": "2.2.4",
"config": {
"layers": [
{
"class_name": "InputLayer",
"con
浏览 17提问于2020-10-29得票数 0
1回答
在调试Tensorflow代码时，我想输出张量的形状，比如说，print("mask's shape is: ",mask.get_shape())，但是相应的输出是mask's shape is (?,?,?,1) --如何解释这种输出，是否知道这个张量的前三个维度的确切值？
浏览 3提问于2016-09-19得票数 0
回答已采纳
要重现我的问题，请先尝试这个(使用py_func映射)：
import tensorflow as tf
import numpy as np
def image_parser(image_name):
a = np.array([1.0,2.0,3.0], dtype=np.float32)
return a
images = [[1,2,3],[4,5,6]]
im_dataset = tf.data.Dataset.from_tensor_slices(images)
im_dataset = im_dataset.map(lambda image:tuple(tf.p
浏览 7提问于2018-02-16得票数 6
我正在使用最新版本的tensorflow集线器，并想知道如何获取模型预期输入形状的信息，以及模型属于哪种类型的集合。例如，在以Python方式加载模型之后，是否有一种方法可以获得有关预期图像形状的信息？
model = hub.load("https://tfhub.dev/tensorflow/faster_rcnn/inception_resnet_v2_640x640/1")
还是这边？
model = hub.KerasLayer("https://tfhub.dev/tensorflow/faster_rcnn/inception_resnet_v2_640x
浏览 8提问于2020-11-05得票数 2
回答已采纳
当我执行以下Keras代码时：
from tensorflow import keras
from tensorflow.keras import layers
n_input = 100
n_entries = 10
n_features = 2
features = np.random.random(n_entries*n_input*n_features)
features = features.reshape((n_entries, n_input, n_features))
model = keras.Sequential()
norm = layers.Normalizati
浏览 14提问于2022-03-08得票数 1
在Tensorflow中，我遇到了将稀疏张量(稀疏占位符)乘以稠密张量的问题。我还遇到了将稀疏张量直接转换为稠密张量的问题。我已经搜索过了，但到目前为止还没有找到这个问题的例子。
TL;DR
如果稀疏占位符将其shape参数设置为None，则计算有效，但如果提供类似于(3,3)的形状，则会失败。
下面是工作的代码：
import tensorflow as tf
import numpy as np
matrix_place = tf.placeholder(tf.float32, name="foo", shape=(3,2))
sparse_place = tf.spar
浏览 0提问于2018-03-22得票数 2
回答已采纳
1回答
在这个表达式中，尖括号和星号意味着什么？
class MainScreen extends React.Component<*> {
render() {
浏览 1提问于2018-02-05得票数 5
回答已采纳
1回答
我测试以下代码脚本
import tensorflow as tf
a, b, c = 2, 3, 4
x = tf.Variable(tf.random_normal([a, b, c], mean=0.0, stddev=1.0, dtype=tf.float32))
s = tf.shape(x)
print(s)
init = tf.initialize_all_variables()
sess = tf.Session()
sess.run(init)
print(sess.run(s))
运行代码将获得以下结果
Tensor("Shape:0", shap
浏览 2提问于2016-07-26得票数 0
回答已采纳
我是一个Tensorflow初学者，我正在努力学习如何使用Tensorflow。我知道我们可以建立一个网络模型，并为网络训练创建一对输入和标签，即
inputs = tf.placeholder(tf.float32, [None, patch_size, patch_size, num_channels], name="inputs")
labels = tf.placeholder(tf.float32, [None, patch_size, patch_size, num_channels], name="labels")
network = build_
浏览 2提问于2017-12-11得票数 4
回答已采纳
我是TensorFlow的初学者，仍然在尝试弄清楚它是如何工作的，所以我不确定错误是我的架构的问题还是更基本的东西--这里我试图训练一个连体神经网络(我们将左右输入以相同的权重输入左右神经网络，并尝试将其映射到特征向量，如果输入相似，则映射到距离较小的特征向量；如果输入不同，则映射到距离较大的特征向量)。
我得到的错误发生在回归步骤中：
File "siamese.py", line 59, in <module>
network = regression(y_pred, optimizer='adam',
File "/Li
浏览 3提问于2016-11-16得票数 0
两个具体问题：
为什么即使在模型运行之后，keras Dense层也不知道它的input_shape和output_shape？
为什么层不知道它的参数计数，直到一些训练数据被抽通？
我训练了一个简单的keras / tensorflow模型，但是当我试图查看模型的层时，我会得到以下错误：
"AttributeError:该层从未被调用过，因此没有定义输入形状。“
或者，我问题的简短版本:这是怎么回事？
我确信，在某种技术意义上，“该层从未被称为”和“没有定义的输入形状”，但是，由于该层已被训练(并用于评估)，它是什么意思“从来没有被称为”？
(我真正需要的是一个概述-我还没有
浏览 0提问于2019-01-25得票数 1
回答已采纳
我想通过在tensorflow中链接不同的图像转换操作符来进行实时数据增强。我的代码从图像解码开始，然后运行不同的转换，但它抛出了一个ValueError('\'image\' must be fully defined.')。下面是一个重现此错误的示例：
def decode_and_augment(image_raw):
decoded = tf.image.decode_jpeg(image_raw)
flipped = tf.image.random_flip_left_right(decoded)
return flipped
浏览 0提问于2016-01-12得票数 5
我对虹膜数据集做了一些修改，我添加了两个列，国家和森林，这样我就可以在数据上添加一些分类特征，并尝试实现tensorflow的，如以下代码所示：
from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
import datetime
import tensorflow as tf
import pandas as pd
import numpy as np
import tempfile
tf.logging.set_verbosi
浏览 0提问于2017-01-03得票数 0
我想通过将图形保存到一个文件，然后运行来查看我的模型的统计信息。
我尝试了几种不同的方法来写这个文件，我最大的努力是：
tf.train.write_graph( session.graph_def, ".", "my_graph", as_text=True )
但事实是这样的：
$ python ./util/graph_metrics.py --noinput_binary --graph my_graph
Traceback (most recent call last):
File "./util/graph_metrics.py"
浏览 0提问于2016-09-21得票数 0
假设我使用Tensorflow的Python创建了一个张量，如下所示，
x = tf.placeholder("float", shape=[None, inputLen])
我想在C++中创建一个tensorflow：：张量等价的张量，这样我就可以运行一个以x作为输入的经过训练的图。我应该如何处理输入形状的第一个维度，它在C++中是tensorflow::TensorShape类型？
如果我这样做了：
tensorflow::TensorShape inputShape;
inputShape.AddDim(0);
inputShape.AddDim(inputLen);
它
浏览 4提问于2015-12-20得票数 3
回答已采纳
最近开始使用tensorflow，我真的对feed_dict的功能感到困惑。
看看来自tensorflow网站的mnist示例，x是一个符号占位符，每次训练迭代都会用一批新的图像填充，所以这里的“None”也可以是“batch_size”。
x = tf.placeholder(tf.float32, shape=[None, 784])
在查看本教程的卷积部分时，有一个命令可以将x从其扁平的1x784形状重塑回2D图像28x28形状
x_image = tf.reshape(x, [-1,28,28,1])
在训练循环期间，x通过以下命令馈送
train_step.run(feed_dict
浏览 1提问于2016-08-04得票数 0
回答已采纳
我试图用张量作为另一个tensorflow函数的形状输入。有什么办法让这件事起作用吗？
示例
import tensorflow as tf
a = tf.constant([1,2,3,4,5])
b = tf.size(a)
c = tf.constant([b,1])
d = tf.reshape(a, [b,1])
sess = tf.Session()
print sess.run([b,c])
上述两种方法都不起作用，因为tensorflow将输入维度解释为张量列表，并给出一个错误，其底线是：
TypeError: List of Tensors when single
浏览 1提问于2016-06-19得票数 1
回答已采纳
1回答
当我试图通过命令行在Windows10中使用带有FrozenGraph的图形转换工具时，我总是会得到相同的错误。代码：
C://tensorflow/bazel-bin/tensorflow/tools/graph_transforms/transform_graph ^
--in_graph=C://tensorflow-for-poets-2/tf_files/retrained_graph.pb ^
--out_graph=C://tensorflow-for-poets-2/new_optimized.pb ^
--inputs=Mul ^
--outputs=final_result
浏览 0提问于2018-07-27得票数 3
回答已采纳
我有两个张量，形状为(100, 4)和(100, 2)。我想在TensorFlow中执行一个连接操作，类似于np.hstack，在NumPy中，这样输出将是形状的(100, 6)。有一个TensorFlow函数来完成这个任务吗？
浏览 5提问于2017-04-13得票数 10
回答已采纳
假设我有一个Tensorflow张量。如何将张量的维数(形状)作为整数值？我知道有两种方法，tensor.get_shape()和tf.shape(tensor)，但我不能将形状值作为整数int32值。
例如，下面我创建了一个二维张量，我需要以int32的形式获得行数和列数，这样我就可以调用reshape()来创建形状为(num_rows * num_cols, 1)的张量。但是，方法tensor.get_shape()返回值为Dimension类型，而不是int32类型。
import tensorflow as tf
import numpy as np
sess = tf.Sessio
浏览 0提问于2016-11-17得票数 101
回答已采纳
1回答
我想在“无”维中分割张量。
例如,
tensor = tf.placeholder(tf.float32, shape=[None, None, 10], name="seq_holder")
sliced_tensor = tensor[:,1:,:] # it works well!
但
# Assume that tensor's shape will be [3,10, 10]
tensor = tf.placeholder(tf.float32, shape=[None, None, 10], name="seq_holder")
sliced
浏览 0提问于2017-09-15得票数 3
回答已采纳
我试图编写一块可重用的代码，读取一个张量的形状，然后使用生成的对象来定义其他张量的形状。我可以选择用tf.shape(tensor)读取张量的动态形状，或者用tensor.get_shape()读取张量的静态形状。玩具示例如下(有两种不同的策略)：
def my_function_strategy_1(x, y):
x_shape = tf.shape(x)
a = tf.reshape(y, x_shape)
b = tf.zeros(x_shape)
num_x_values = x_shape[0]
c = tf.reshape(y, [num_x
浏览 1提问于2018-02-28得票数 2
回答已采纳
指出：
tf.placeholder() op允许您定义必须填充的张量，也可以允许您约束它们的形状。
限制占位符的形状有什么意义？这仅仅是为了代码清晰，还是它有其他优点，比如减少运行时间？
浏览 4提问于2017-02-17得票数 1
回答已采纳
检查冻结的tensorflow模型： wget https://storage.googleapis.com/download.tensorflow.org/models/inception_v3_2016_08_28_frozen.pb.tar.gz 我看到输入大小是Tensor 'input:0', which has shape '(1, 299, 299, 3)'，我想知道有没有可能让输入(None, 299, 299, 3)在batch_size > 1的情况下进行有效的批量预测？
浏览 14提问于2019-07-04得票数 1
回答已采纳
我正在学习TensorFlow教程
最初，x被定义为
x = tf.placeholder(tf.float32, shape=[None, 784])
后来它重塑了x，我试着去理解为什么。
为了应用这一层，我们首先将x整形为4d张量，第二和第三维对应于图像的宽度和高度，最后的维数对应于彩色通道的数目。
x_image = tf.reshape(x, [-1,28,28,1])
在整形向量中-1意味着什么?为什么x被重塑？
浏览 5提问于2017-01-21得票数 8
回答已采纳
这就是我想要运行的代码
X_train = data1/255.0
from sklearn.preprocessing import LabelBinarizer
lb = LabelBinarizer()
trainY =lb.fit_transform(label)
from tensorflow.keras.models import Model
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import AveragePooling2D
from tensorflow.keras
浏览 2提问于2022-10-17得票数 -1
回答已采纳
2回答
在本教程中，对某些图像数据调用tensorflow切片方法raw_image_data =mpimg.imread(文件名)
image = tf.placeholder("uint8", [None, None, 3])
slice = tf.slice(image, [1000, 0, 0], [3000, -1, -1])
从片定义tf.slice(input_，begin，size，name=None)
我认为这意味着从像素1000,0 R层开始(在rgb之外)，取3000，-1和负一层的切片。对于第二个图像维度和rgb层，我都不知道如何从0到1。
有人知道吗？
浏览 1提问于2016-11-02得票数 0
回答已采纳
转换后的tensorflow模型是否总是有量化的计算和输出？还是依赖于tensorflow模型的输入和推理类型？
浏览 0提问于2018-03-02得票数 1
回答已采纳
1回答
我的模型看起来是这样的：
model = keras.Sequential()
model.add(keras.layers.LSTM(64, input_shape=(None, 1), return_sequences=True))
model.add(keras.layers.LSTM(32, return_sequences=False))
model.add(keras.layers.Dense(6))
我在输入中输入形状(10000，30)。我的笔记本电脑上一切都很好，它使用了3.9版的Python。稍后，我回家使用我的个人笔记本电脑运行相同的程序，该程序使用了版本3.7的Pyth
浏览 4提问于2022-01-04得票数 0
C中有TF_GraphGetTensorShape，但是接口与C++ Graph和Output不兼容。如何使用tensorflow C/C++ API做同样的工作？
例如。如何使用Slice API获得C++操作返回的张量形状，然后使用该张量形状生成具有相同形状的variable？
浏览 0提问于2018-07-06得票数 5
回答已采纳
为什么TensorFlow张量在Numpy中的数学函数行为与在Keras中的数学函数中的行为不同？
Numpy数组似乎在与TensorFlow张量相同的情况下正常工作。
此示例显示在numpy函数和keras函数下正确地处理了numpy矩阵。
import numpy as np
from keras import backend as K
arr = np.random.rand(19, 19, 5, 80)
np_argmax = np.argmax(arr, axis=-1)
np_max = np.max(arr, axis=-1)
k_argmax = K.argmax(arr
浏览 0提问于2018-02-05得票数 4
回答已采纳
我已经基于Tensorflow训练了一个模型。这个模型应该可以在手机上工作，但在将冻结图(pb)转换为深度学习容器(Dlc)时，我遇到了一个问题。我必须将输入大小设置为常量。这导致该模型不能在任何输入大小下工作。我正在尝试找到一种方法来调整DLC模型的输入形状的大小，而不使用"snpe-tensorflow- to -dlc -- input _dims 1,512,512,3“初始化模型，因为这种方法很消耗资源。实际上，我想在dlc模型中调整输入形状的大小。有人能帮我吗？
浏览 10提问于2020-05-04得票数 1
1回答
浏览无形状代码时，我偶然发现了这个看似无关的{} 和。
trait Witness extends Serializable {
type T
val value: T {}
}
trait SingletonOps {
import record._
type T
def narrow: T {} = witness.value
}
我几乎忽略了它作为一个错误，因为它什么也不做，但显然它做了些什么。请参见此提交：
我不知道它能做什么。有人能解释一下吗？
浏览 2提问于2016-03-09得票数 41
回答已采纳
我对TensorFlow (和SageMaker)相当陌生，而且还停留在部署SageMaker端点的过程中。我最近刚刚成功地创建了一个已保存的模型类型模型，该模型目前正用于服务一个示例端点(模型是外部创建的)。但是，当我检查用于端点的映像时，它会说‘./ TensorFlow -推断’，这不是我想要进入的方向，因为我想使用一个SageMaker TensorFlow服务容器(我遵循了官方的TensorFlow服务GitHub回购指南--使用示例模型，它们是使用TensorFlow服务框架进行校正的)。
我遇到这个问题是因为我保存的模型没有正确的“服务”标签吗？我还没有检查我的标签集，但想知道这
浏览 1提问于2020-07-14得票数 2
回答已采纳
当我试图在一个简单的自定义层模型上运行openvino模型优化器时，我得到了形状推断错误。下面是单元测试： import os
import shutil
import pytest
import subprocess
import numpy as np
import tensorflow as tf
from keras import Model
from keras.layers import Input, Layer
class CustomLayer(Layer):
def call(self, inputs):
arr_0 = inputs[0][:
浏览 31提问于2021-08-11得票数 0
我的图像是478x717x3= 1028178像素，等级为1。我通过调用tf.shape和tf.rank来验证它。
当我调用image.set_shape(478,717，3)时，它会引发以下错误。
"Shapes %s and %s must have the same rank" % (self, other))
ValueError: Shapes (?,) and (478, 717, 3) must have the same rank
我再次测试了第一次转换为1028178，但错误仍然存在。
ValueError: Shapes (1028178,) and (4
浏览 3提问于2016-02-17得票数 35
回答已采纳
3回答
我目前有一个类似于这样的keras模型：
model = keras.Sequential()
model.add(keras.layers.Dense(100, activation=tf.nn.relu))
model.add(keras.layers.Dense(100, activation=tf.nn.relu))
model.add(keras.layers.Dense(len(labels), activation=tf.nn.softmax))
告诉我：
模型需要知道它应该期望什么样的输入形状。因此，序列模型中的第一层(而且只有第一层，因为下面的层可以进行自动形状推断)需要接
浏览 0提问于2019-09-10得票数 13
回答已采纳
我正在尝试使用 tensorflow实现来创建一个新的数据集(有不同数量的类)。我将dataset转换为tfrecords，并开始无问题地开始模型。现在，我想评估新的检查点，运行脚本，并获得一个形状不匹配错误。
tensorflow.python.framework.errors_impl.InvalidArgumentError:形状失配
模型实现使用tensorflow.slim，我认为我的问题与该函数有关。
slim.evaluation.evaluation_loop(
master=FLAGS.master,
checkpoint_dir=FLAGS.chec
浏览 0提问于2018-04-05得票数 2
Tensorflow如何处理tf.placeholder形状中的None？是否为每次运行创建具有不同大小输入的新图？因此，在训练/测试中是否存在性能损失？
x = tf.placeholder(tf.float32, shape=[None, None, None, None])
lten = list of various shapes of rank 4 tensors.
for ten in lten:
feed_dict = {x: ten }
y = sess.run(y, feed_dict= feed_dict)
正如您所看到的，在上面的代码中，None的具体值可
浏览 0提问于2018-04-12得票数 0
2回答
我有一个tensorflow模型，它接受不同大小的输入图像：
inputs = layers.Input(shape=(128,None,1), name='x_input')
<tf.Tensor 'x_input:0' shape=(?, 128, ?, 1) dtype=float32>
当我将此模型转换为tensorflow-lite时，它抱怨道：
converter = tf.lite.TFLiteConverter.from_frozen_graph(
graph_def_file, input_arrays, output_arr
浏览 3提问于2019-04-16得票数 10
回答已采纳
1回答
下面是我要完全理解的代码：。
因此，基本上，我对以下几行有问题：
一小部分背景：
def weight_variable(shape):
initial = tensorflow.truncated_normal(shape, stddev=0.01)
return tensorflow.Variable(initial)
def bias_variable(shape):
initial = tensorflow.constant(0.01, shape=shape)
return tensorflow.Variable(initial)
w_layer1
浏览 0提问于2017-05-12得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
