TensorFlowの形状とタイプの推論

Question

私はprotobufから来たJSONを修正することでTensorFlowをプログラムできることを学びました。 here

このJSONを変更すると、さまざまな入力と出力の適切な形を伝播するために手動でJSONを編集する必要がある場合があります。 TFが自動的にこれを行うようにする方法がありますので、プレースホルダを介して入力を指定してから、形状とタイプが自動的に伝播されます。

Answer 1

変更の種類がわかっている場合は、そのシェイプ情報をプレースホルダから削除するだけで済みます。不確かさは自動的に伝播します。例えば：

import tensorflow as tf 
placeholder = tf.placeholder(dtype=tf.float32, shape=[None]) 
derived = (placeholder/3)[1:, None] 
print(placeholder.get_shape(), derived.get_shape()) 

プリント：

(TensorShape([Dimension(None)]), TensorShape([Dimension(None), Dimension(1)])) 

だからplaceholderの長さのために保存しない静的形状情報が存在しないであろう。あなたは不明ランクのTensorsを持つことさえできます。

スタティックシェイプの再計算は魅力的ですが、グラフの構築は静的シェイプ情報に依存する可能性があるため、これは現在サポートされていません。たとえば：

placeholder = tf.placeholder(dtype=tf.float32, shape=[2]) 
if placeholder.get_shape()[0].value % 2 == 0: 
    derived = placeholder 
else: 
    derived = tf.concat(0, [placeholder, [0]]) 

は、これは推奨グラフ構築手法（より良いcondでtf.shapeを使用するように）ではありませんが、それが起こるん。この種の静的形状条件付きグラフ構造は、残念ながらメタグラフには捕捉されない。