在图创建时跟踪张量形状

Question

在某些情况下，张量流似乎能够在图创建时检查张量的值，而在其他情况下则失败。

>>> 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>

在上面的例子中，reshape() 可以看到作为 shape 传入的张量的值为 2，结果输出的 shape 为 (2,3) 但 zeros() 不能，静态 shape 为 ( ?,3)。造成差异的原因是什么？

我的同事发布了Determining tensor shapes at time of graph creation in TensorFlow，它基于相同的潜在问题，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，而我的问题是关于为什么 tensorflow 会这样方法。是bug吗？

Answer 1

TD;DR:

• tf.reshape 可以推断输出的形状，但tf.zeros 不能；
• shape 支持整数（如静态/确定）和张量（如动态/不定）这两个函数。

---

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 创建另一个Tensor（如tf.zeros(shape)）时，图形在创建时总是不确定的。但是，tf.reshape() 不同。它可以使用输入的形状和给定​​的形状（静态部分）推断输出的形状。

在您的代码中，3 是一个静态整数，输入的形状是给定的（[6]）； (2, 3) 的形状实际上是通过推断获得的，而不是提供的。这可以在代码的第二部分证明。虽然我给了tf.constant([5])，但形状并没有改变。 （图创建时没有错误，但在运行时引发了错误！）