tf.nn.bias_add(value,bias)的输出是否具有与值的形状不同的形状

Question

所以在卷积神经网络cifar10例子中,在tensorflow中,在cifar10.py的inference()方法中,我看到了几个这样的例子:

bias = tf.reshape(tf.nn.bias_add(conv, biases),conv.get_shape().as_list())

似乎重塑确保输出bias_add(value, bias)具有价值的形状

我的问题是,有tf.reshape()必要吗？是否存在tf.nn.bias_add(value, bias)不会返回具有与值相同形状的张量的情况？

Answer 1

的结果的形状的tf.nn.bias_add(value, bias)总是相同,价值的形状,所以这些呼叫tf.reshape()是不必要的.

有时,调用tf.reshape()用于添加有关形状的显式信息,但根据常见问题解答,推荐的方法是使用该Tensor.set_shape()方法添加形状信息,而无需向图形添加冗余操作.