tf.reshape（张量，[-1]）VS tf.reshape（张量，-1）答案

【问题标题】：tf.reshape(tensor, [-1]) VS tf.reshape(tensor, -1)tf.reshape（张量，[-1]）VS tf.reshape（张量，-1）
【发布时间】：2022-07-04 20:16:09
【问题描述】：

这两者有什么区别？
1- tf.reshape(张量, [-1])
2- tf.reshape(张量, -1)

我找不到这两者之间的任何区别，但是当我使用不带括号的 -1 时，尝试将函数映射到 TensorSliceDataset 时会发生错误。这是代码的简化版本：

def reshapeME(tensor):
    reshaped = tf.reshape(tensor,-1)

    return reshaped

new_y_test = y_test.map(reshapeME)

这是错误：

 ValueError: Shape must be rank 1 but is rank 0 for '{{node Reshape}} = Reshape[T=DT_FLOAT, Tshape=DT_INT32](one_hot, Reshape/shape)' with input shapes: [6], [].

如果我添加括号，则没有错误。另外，通过调用和馈送张量使用该函数时也没有错误。

【问题讨论】：

标签： python tensorflow reshape

【解决方案1】：

tf.reshape 需要一个张量或类似张量的变量作为shape：

张量。必须是以下类型之一：int32、int64。定义输出张量的形状。

因此，在这种情况下，简单的标量将不起作用。

【讨论】：