tensorflow.data_flow_ops 中的 queue.dequeue_up_to() 方法是做什么用的？

Question

我真的很困惑这种方法，尤其是当我发现这个令人费解的陈述时：

output.set_shape(tensor_shape.TensorShape([None]).concatenate(shape))

这里有一些cmets作为方法的描述：

This operation concatenates queue-element component tensors along
the 0th dimension to make a single component tensor. If the queue
has not been closed, all of the components in the dequeued tuple
will have size `n` in the 0th dimension.

在形状的第 0 维指定 None 太奇怪了（我想它可能是 n？），这似乎与描述中的 size 'n' 相矛盾。这导致我的程序出现形状错误，我无法理解原因，尽管我已经找到了它的位置。

你能告诉我为什么在这里使用TensorShape([None])吗？

Answer 1

QueueBase.dequeue_up_to(n) 方法从队列中返回一批最多（“最多”）n 元素。相比之下，QueueBase.dequeue_many(n) 方法从队列中返回一批完全 n 元素。

在队列为closed 之前，这两个操作的行为相同。此后，不能再向队列中添加元素，因此这些操作将耗尽剩余元素。如果剩余元素的数量 (num_remaining) 不是 n 的精确倍数，QueueBase.dequeue_up_to(n) 将返回最后一批更小的 num_remaining % n 元素。相比之下，QueueBase.dequeue_many(n) 将不会返回最后几个元素，因为它无法生成一批正好是 n 元素。

由于QueueBase.dequeue_up_to(n) 可以返回静态未知的不同大小的批次（即n 和num_remaining % n）（因为num_remaining 取决于运行时发生的入队操作的数量），第一个其返回值的维度是Dimension(None)。 Dimension(None) 通常用于指示可以在执行之间变化的形状。