TensorFlow 占位符形状，前两个形状为无

Question

我刚刚开始学习 Tensorflow (v. 2.1.0) 和 Python (v. 3.7.7)。

我找到了这行代码：

import numpy as np
import tensorflow as tf

support_set = tf.placeholder(tf.float32, [None, None, img_height, img_width, channels])
query_set = tf.placeholder(tf.float32, [None, None, img_height, img_width, channels])

y = tf.placeholder(tf.int64, [None, None])

当我转换到版本 2 时，使用以下代码：

support_set = np.zeros([None, None, img_height, img_width, channels], tf.float32)
query_set = np.zeros([None, None, img_height, img_width, channels], tf.float32)
y = np.zeros([None, None], tf.int64)

我得到错误：

TypeError: 'NoneType' 对象不能被解释为整数

占位符形状开头的那两个None是什么意思？

您可以找到原始代码，即我想使用 Tensorflow 2 迁移到的代码，here。

Answer 1

您在 v2 中没有相应的代码，或者 tf.keras.layers.Input() 可能就是其中之一。 tf.placeholder 是低级 API。这用于“定义并运行”样式。您使用 tf.placeholder 定义模型。在 v2 中，您应该以“Define-by-Run”的方式编写。

查看来自TensorFlow 2 quickstart for experts的sn-p。

class MyModel(Model):
  def __init__(self):
    super(MyModel, self).__init__()
    self.conv1 = Conv2D(32, 3, activation='relu')
    self.flatten = Flatten()
    self.d1 = Dense(128, activation='relu')
    self.d2 = Dense(10)

  def call(self, x):
    x = self.conv1(x)
    x = self.flatten(x)
    x = self.d1(x)
    return self.d2(x)

# Create an instance of the model
model = MyModel()

另外，请参阅来自Effective TensorFlow 2 的 sn-p。这些类继承自 tf.keras.Model。

class DynamicRNN(tf.keras.Model):

  def __init__(self, rnn_cell):
    super(DynamicRNN, self).__init__(self)
    self.cell = rnn_cell

  def call(self, input_data):
    # [batch, time, features] -> [time, batch, features]
    input_data = tf.transpose(input_data, [1, 0, 2])
    outputs = tf.TensorArray(tf.float32, input_data.shape[0])
    state = self.cell.zero_state(input_data.shape[1], dtype=tf.float32)
    for i in tf.range(input_data.shape[0]):
      output, state = self.cell(input_data[i], state)
      outputs = outputs.write(i, output)
    return tf.transpose(outputs.stack(), [1, 0, 2]), state

您也可以使用 keras api 编写模型。

import tensorflow as tf
x = tf.keras.layers.Input(input_shape)
h = tf.keras.layers.Conv2D(64, (3, 3), padding='SAME')(x)
h = tf.keras.layers.ReLU()(h)
h = tf.keras.layers.Conv2D(64, (3, 3), padding='SAME')(h)
h = tf.keras.layers.ReLU()(h)
h = tf.keras.layers.Conv2D(64, (3, 3), padding='SAME')(h)
h = tf.keras.layers.ReLU()(h)
h = tf.keras.layers.Flatten()(h)
y = tf.keras.layers.Dense(10)(h)
model = tf.keras.Model(x, y)

==== 已编辑 ====

support_set = tf.placeholder(tf.float32, [None, None, img_height, img_width, channels])
query_set = tf.placeholder(tf.float32, [None, None, img_height, img_width, channels])

可以替换为

import tf
support_set = tf.keras.layers.Input(shape=[None, img_height, img_width, channels])
query_set = tf.keras.layers.Input(shape=[None, img_height, img_width, channels])

，其中 Input 不需要明确的 Batch 大小。您可以找到更多信息 https://www.tensorflow.org/guide/keras/functional