为什么在Tensorflow中将None用作批次维度？

Question

在以下代码中，None用来声明占位符的大小。

x_data = tf.placeholder(tf.int32, [None, max_sequence_length]) 
y_output = tf.placeholder(tf.int32, [None])

据我所知，这None用于指定可变批次尺寸。但是，在每个代码中，我们都有一个显示批处理大小的变量，例如：

batch_size = 250

那么，None在这种情况下，有什么理由要使用，而不是简单地将占位符声明为吗？

x_data = tf.placeholder(tf.int32, [batch_size, max_sequence_length]) 
y_output = tf.placeholder(tf.int32, [batch_size])

Answer 1

这样网络的输入就不会局限于固定大小的批次，并且您可以稍后重用学习到的网络来预测单个实例或任意长的批次（例如一次预测所有测试样本）。

换句话说，它在训练期间作用不大，因为无论如何，批次在训练期间通常具有固定大小，但它使网络在测试时更有用。