-1 在张量输入的形状中意味着什么？

Question

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？

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

如果我传递一个

的张量

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])

我收到这个错误。

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

当通过上述 25 0/1 的输入时，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。

Answer 1

-1表示未定数，可以任意取数

如果您传入一个形状为 [25] 的张量，则需要添加括号，因此形状变为 [1,25]，这将是有效的。

尝试：

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]])

Answer 2

如@mark-h 的评论所述，问题是我将单个值数组传递给带有 tf.tensor([0, 1...]) 的张量。 [-1, 25] 表示存在未确定数量的数组，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。

Answer 3

-1 在张量的一个维度中意味着该维度的大小将根据其他维度进行计算。张量形状应该是其他维度大小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。

题例中，初始张量可以重塑：

What does a -1 mean in the shape of a tensor input?