在 Tensorflow 的 C++ TensorShape API 中，Python 的 None 相当于什么？

Question

假设我有一个用Tensorflow的Python API创建的tensor，如下，

x = tf.placeholder("float", shape=[None, inputLen])

我想在 C++ 中创建一个 tensorflow::Tensor 等价物，这样我就可以运行一个以 x 作为输入的经过训练的图。我应该如何处理输入形状的第一维，它在 C++ 中是 tensorflow::TensorShape 类型？

如果我这样做：

tensorflow::TensorShape inputShape;
inputShape.AddDim(0);
inputShape.AddDim(inputLen);

好像不行，因为num_elements变成了0，这不是我期望的inputLen的值。

Answer 1

更新: 现在有一个 tensorflow::PartialTensorShape class 可以表示具有未知尺寸或未知等级的形状。值 -1 用于表示未知值（即 None 在 Python 中表示的内容）。它用于 C++ 形状推断代码，可以在形状类型的属性或 tf.TensorShape 原型中指定。

TL;DR: C++ 中没有等效项，因为 TensorFlow 的 C++ 部分仅在运行时检查形状，当它们被完全定义时；而 Python 部分在图形构建时检查形状，此时它们可能未完全定义。

没有 tf.Dimension(None) (i.e., an unknown dimension) in the C++ tensorflow::TensorShape class. This is because the (C++) tensorflow::TensorShape class describes the shape of a (C++) tensorflow::Tensor, which represents a concrete value for a tensor, and therefore must have a fully defined shape. The Python tf.Tensor 的等价物 class 表示一个符号张量——表示尚未成为运行的操作的输出]—因此它可以具有一维或多维未知的形状。

如果您使用的 C++ API to feed a placeholder, you should simply create a new tensorflow::Tensor 为您提供给占位符的每个不同值使用了完全定义的形状（在 Session::Run() 调用中）。但是请注意，C++ API 不会检查占位符的形状，因此您应该手动确保形状与占位符的预期形状匹配。

如果您正在使用 C++ API 构建图表，并且您想要定义一个在一维或多维中具有未知大小的占位符，您应该定义一个占位符节点，其 shape 属性设置为 tensorflow::TensorShape({})。尽管这等同于标量，但由于历史原因，这被视为完全不受约束的形状。

在 Tensorflow 的 C++ TensorShape API 中，Python 的 None 相当于什么？

In Tensorflow's C++ TensorShape API, what is the equivalent of Python's None?

c++

python

tensorflow