-1 在张量输入的形状中意味着什么？答案

【问题标题】：What does a -1 mean in the shape of a tensor input?-1 在张量输入的形状中意味着什么？
【发布时间】：2021-02-10 01:33:10
【问题描述】：

我有一个 TensorFlowJS 模型，其输入如下所示：

{"name":"dense_3_input","shape":[-1,25],"dtype":"float32"}

-1 是什么意思？

模型的构建方式是使用Dense(1, input_dim=25, activation="sigmoid")，所以我不知道 -1 来自哪里，也不知道如何正确创建它正在寻找的张量。

如果我通过一个张量

tf.tensor([0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 1])

我收到此错误。

Error: The shape of dict['dense_3_input'] provided in model.execute(dict) must be [-1,25], but was [25]

当传递上述 25 0/1 的输入时，该模型在 python 中正常工作。转换为 TensorFlowJS 模型是否无法正常工作？任何见解将不胜感激。

【问题讨论】：

【解决方案1】：

-1 在张量的维度中意味着将根据其他维度计算该维度的大小。张量形状应该是其他维度大小的乘积的倍数才能起作用

tensor size: 25, shape [-1, 25] => [1, 25]

                 shape [-1, 5] => [5, 5]

                 shape [-1, 3] => will not work

当我们不知道张量的大小但知道它将是某些值的倍数时，它很有用。

在问题的例子中，初始张量可以重塑：

【讨论】：

谢谢！我遇到了类似的问题，但我的有点不同，a_init(shape=(input_shape[-1], self.units),dtype='float32')，那么这里的input_shape[-1] 是什么意思？

【解决方案2】：

正如@mark-h 的评论中所述，问题是我使用tf.tensor([0, 1...]) 将单个值数组传递给张量。 [-1, 25] 表示存在数量不确定的数组，其中包含输入所期望的 25 个值。

将我的张量更改为 tf.tensor([[0, 1...]]) 解决了这个问题。

【讨论】：

【解决方案3】：

-1 表示一个不确定的数字，因为它可以是任何你想要的。

如果你传入的是一个形状为[25]的张量，你需要加上括号，所以形状变成了[1,25]，这将是有效的。

试试：

tf.tensor([[0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 1]])

【讨论】：