对于标量tensor的shape表示

Question

在风格转化里定义的loss值，初始化采用了
style_loss = tf.zeros(shape=1, tf.float32)
的方式，这里用1表示了style_loss这一个元素。
在以前vgg net课程里，表示is_training这个布尔输入值，采用了
is_training = tf.placeholder(tf.bool, shape=[])
这样用一个空list[]表示了is_training这一个元素。
我发现把对placeholder的声明换成
is_training = tf.placeholder(tf.bool, shape=1)
在引用时，会出现这样的错误：
ValueError: Shape must be rank 0 but is rank 1 for 'conv1_1/batch_normalization/cond/Switch' (op: 'Switch') with input shapes: [1], [1].
是说这里输入的shape=1被自动换为了shape=[1]吗？这表示的是标量还是一个元素的数组？
请问，这两种对一个元素的shape的赋值方式可以互换吗？为什么？

Answer 1

正十七 2019-10-18 21:44:18

同学你好，shape=1会是长度为1的数组。shape=[]会是标量。

它们不能互换，因为维度不同。

>>> import tensorflow as tf
>>> a = tf.placeholder(tf.bool, shape=[])
>>> b = tf.placeholder(tf.bool, shape=1)
>>> c = tf.zeros(shape=(), dtype=tf.float32)
>>> d = tf.zeros(shape=1, dtype=tf.float32)
>>> a
<tf.Tensor 'Placeholder:0' shape=() dtype=bool>
>>> b
<tf.Tensor 'Placeholder_1:0' shape=(1,) dtype=bool>
>>> c
<tf.Tensor 'zeros:0' shape=() dtype=float32>
>>> d
<tf.Tensor 'zeros_1:0' shape=(1,) dtype=float32>
>>>

• 提问者 慕虎9426780 #1

  非常感谢！