tensorflow占位符-了解`shape = [None，`

Question

我正在尝试了解张量流中的占位符。shape=[None,在下面的示例中具体说明什么。

X = tf.placeholder(tf.float32, shape=[None, 128, 128, 3], name="X")

此答案描述为：

您可以将TensorFlow中的占位符视为指定将要馈入图形的数据的形状和类型的操作。占位符X定义将馈入数量不确定的float32类型的形状（128、128、3）行进入图表。占位符不保持状态，仅定义要流入图形的数据的类型和形状。

当说“未指定数量的ROWS”时，是否真的意味着未指定数量的128 * 128 * 3张量？就像您要为输入图像创建占位符以将输入图像输入到CNN一样？

Answer 1

第一维表示样本数（您所用的图像）。您不希望对特定数字进行硬编码的原因是为了保持灵活性，并允许任意数量的样本。通过将None张量作为第一维，可以启用该功能。考虑以下3个非常常见的操作：

1. 批量培训：您将使用相对较小长度（32、64，...）的一批样品
2. 培训评估：所有培训样本的绩效评估
3. 测试评估：所有测试样本的评估性能

通常，所有这些都可以使用不同数量的样本。但是，您不必担心，因为None覆盖了您。