![](/img/trans.png)
[英]None dimension raise ValueError in batch_norm with Tensorflow
[英]Why use None for the batch dimension in tensorflow?
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])
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。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.