为什么在tensorflow中使用None作为批量维度？

Question

在以下代码中， None用于声明占位符的大小。

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

据我所知，此None用于指定变量批量维度。 但是，在每个代码中，我们都有一个显示批量大小的变量，例如：

batch_size = 250

那么，有没有理由在这种情况下使用None而不是简单地将占位符声明为？

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

Answer 1

只是为了使网络的输入不受限于固定大小的批次，您可以稍后重新使用学习的网络来预测单个实例或任意长批次（例如，一次预测所有测试样本）。

换句话说，它在培训期间没有做太多，因为批次在转换过程中通常具有固定的大小，但它使网络在测试时更有用。