在 Tensorflow 的 C++ TensorShape API 中，Python 的 None 是啥等价物？

Posted 2023-02-23

【中文标题】在 Tensorflow 的 C++ TensorShape API 中，Python 的 None 是啥等价物？

【英文标题】：In Tensorflow's C++ TensorShape API, what is the equivalent of Python's None?在 Tensorflow 的 C++ TensorShape API 中，Python 的 None 是什么等价物？

【发布时间】：2015-12-20 03:52:46

【问题描述】：

假设我有一个用Tensorflow的Python API创建的张量，如下，

x = tf.placeholder("float", shape=[None, inputLen])

我想在 C++ 中创建一个等效的 tensorflow::Tensor，这样我就可以运行一个以 x 作为输入的训练图。我应该如何处理输入形状的第一个维度，它在 C++ 中是 tensorflow::TensorShape 类型？

如果我这样做：

tensorflow::TensorShape inputShape;
inputShape.AddDim(0);
inputShape.AddDim(inputLen);

它似乎不起作用，因为 num_elements 变为 0，这不是我期望的 inputLen 的值。

【参考方案1】：

更新：现在有一个tensorflow::PartialTensorShape 类可以表示具有未知尺寸或未知等级的形状。值-1 用于表示未知值（即None 在Python 中表示的内容）。它用于 C++ 形状推断代码中，可以在形状类型的 attr 或 tf.TensorShape proto 中指定。

---

TL;DR: C++ 中没有等价物，因为 TensorFlow 的 C++ 部分只在运行时检查完全定义的形状；而 Python 部分在图形构建时检查形状，此时它们可能没有完全定义。

在 C++ tensorflow::TensorShape 类中没有 tf.Dimension(None) 的等价物（即未知维度）。这是因为 (C++) tensorflow::TensorShape 类描述了 (C++) tensorflow::Tensor 的形状，它表示张量的 具体 值，因此必须具有完全定义的形状。 Python tf.Tensor 类表示一个符号张量——表示尚未运行的操作的输出——因此它可以具有一维或多维未知的形状。

如果您使用C++ API 来提供占位符，您应该简单地创建一个新的tensorflow::Tensor，为您提供给占位符的每个不同值（在Session::Run() 调用中）具有完全定义的形状。但请注意，C++ API 不会检查占位符的形状，因此您应该手动确保形状与占位符的预期形状匹配。

如果您正在使用 C++ API 构建图形，并且您想定义一个在一维或多维中具有未知大小的占位符，您应该定义一个占位符节点及其 shape attr设置为tensorflow::TensorShape()。虽然这相当于一个标量，但由于历史原因，这被视为完全不受约束的形状。

【讨论】：

运行类似 tensorflow::Tensor X(tensorflow::DT_FLOAT, tensorflow::PartialTensorShape(-1, 32)) 的东西不起作用。如何将 PartialTensorShape 与张量结合使用？

@Francesco 你知道你是如何使用 PartialTensorShape 的吗？

tensorflow::Tensor 构造函数需要一个TensorShape 对象，因为它负责为张量分配内存，因此必须完全定义所有维度。