理解 tensorflow 占位符的形状

Question

我正在阅读this code，我想了解它的实现。

---

我想知道的第一件事是，一些张量对象（占位符）的形状是什么，例如x_init、xs、h_init、y_init、y_sample、等等。

我写了一行代码，比如print(xs.shape)，但它不起作用。

如何理解这些参数（张量）的形状？我可以在 NumPy 中编写类似以下的内容吗？

---

定义这些张量的代码部分如下所示：

x_init = tf.placeholder(tf.float32, shape=(args.init_batch_size,) + obs_shape)

xs = [tf.placeholder(tf.float32, shape=(args.batch_size, ) + obs_shape)
      for i in range(args.nr_gpu)]


# if the model is class-conditional we'll set up label placeholders +
# one-hot encodings 'h' to condition on if args.class_conditional:

num_labels = train_data.get_num_labels()
y_init = tf.placeholder(tf.int32, shape=(args.init_batch_size,))
h_init = tf.one_hot(y_init, num_labels)
y_sample = np.split(
    np.mod(np.arange(args.batch_size * args.nr_gpu), num_labels), args.nr_gpu)
h_sample = [tf.one_hot(tf.Variable(
    y_sample[i], trainable=False), num_labels) for i in range(args.nr_gpu)]

Answer 1

形状由不同的命令行参数组装而成：

• obs_shape 是输入图像的形状，例如，(32, 32, 3)
• args.init_batch_size 和 args.batch_size 是来自命令行的值。例如，可能是 30 和 40。

那么x_init的形状是init_batch_size和obs_shape的串联：(30, 32, 32, 3)。对应地，xs中每一项的shape为(40, 32, 32, 3)。

您无法评估xs.shape，因为xs 是占位符的列表。您可以改为评估 xs[0].shape。

y_sample 和 h_sample 也是张量列表。第一个包含(batch_size, num_labels) 张量，第二个包含(num_labels, )。