为什么 MNIST 教程中的负重塑 (-1)？答案

【问题标题】：Why the negative reshape (-1) in MNIST tutorial?为什么 MNIST 教程中的负重塑 (-1)？
【发布时间】：2017-06-10 11:02:54
【问题描述】：

x_image = tf.reshape(x, [-1,28,28,1])

28, 28来自width, height，1来自通道数。但是为什么-1？

我猜这与小批量训练有关，但我想知道为什么 -1 而不是 1（这似乎在 numpy 中给出了相同的结果）。（可能相关：为什么 numpy 的重塑对于 -1、-2 和 1 给出相同的结果）？

【问题讨论】：

你看过 np.reshape() 文档吗？见newshape的描述：docs.scipy.org/doc/numpy-1.10.1/reference/generated/…

【解决方案1】：

-1 表示推断该维度中的长度。这是基于ndarray 或Tensor 中的元素数量在重构时必须保持不变的约束来完成的。在本教程中，每个图像都是一个行向量（784 个元素），并且有很多这样的行（假设是 n，所以有 784n 元素）。所以，当你写

x_image = tf.reshape(x, [-1, 28, 28, 1])

TensorFlow 可以推断出-1 是n。

【讨论】：

【解决方案2】：

在您正在阅读的 MNIST 教程中，输入层所需的形状：[batch_size, 28, 28, 1]

x_image = tf.reshape(x, [-1,28,28,1])

此处输入 x 的 -1 指定应根据 x 中输入值的数量动态计算此维度，同时保持所有其他维度的大小不变。这允许我们将 batch_size(参数值为 -1) 视为我们可以调整的超参数。

【讨论】：

【解决方案3】：

-1表示当前轴上的长度需要按照张量总元素不变的规则自动推导

【讨论】：