是否可以在 tensorflow 中进行批处理而不将占位符大小扩展为 None 的额外维度?具体来说,我只想通过 feed_dict 通过占位符提供多个样本。我正在处理的代码库需要对代码进行大量更改,以便为批量大小添加额外的维度。
例如:sess.run(feed_dict={var1:val1values, var2: val2values, ...})
其中 val1values 将代表一批大小 X 而不仅仅是一个训练样本。
是否可以在 tensorflow 中进行批处理而不将占位符大小扩展为 None 的额外维度?具体来说,我只想通过 feed_dict 通过占位符提供多个样本。我正在处理的代码库需要对代码进行大量更改,以便为批量大小添加额外的维度。
例如:sess.run(feed_dict={var1:val1values, var2: val2values, ...})
其中 val1values 将代表一批大小 X 而不仅仅是一个训练样本。
Python 代码可以使用包括维数在内的形状信息来执行任意操作,并且确实会影响添加到图中的操作(例如使用哪个 matmul 内核),因此没有通用的安全方法来自动添加批量维度。像labeled_tensor这样的东西可能会使代码在重构时稍微不那么混乱。