tensorflow 動態(tài)獲取 BatchSzie 的大小實例

更新時間：2020年06月30日 17:05:07 作者：jinmingz

這篇文章主要介紹了tensorflow 動態(tài)獲取 BatchSzie 的大小實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

我就廢話不多說了，大家還是直接看代碼吧~

import tensorflow as tf
import sys

with tf.variable_scope('ha'):
  a1 = tf.get_variable('a', shape=[], dtype=tf.int32)
  with tf.variable_scope('haha'):
    a2 = tf.get_variable('a', shape=[], dtype=tf.int32)
    with tf.variable_scope('hahaha'):
      a3 = tf.get_variable('a', shape=[], dtype=tf.int32)

with tf.variable_scope('ha', reuse=True):
  # 不會創(chuàng)建新的變量
  a4 = tf.get_variable('a', shape=[], dtype=tf.int32)
  
sum = a1 + a2 + a3 + a4

fts_s = tf.placeholder(tf.float32, shape=(None, 100), name='fts_s')
b = tf.zeros(shape=(tf.shape(fts_s)[0], tf.shape(fts_s)[1]))

concat = tf.concat(axis=1, values=[fts_s, b])

init_op = tf.global_variables_initializer()
with tf.Session() as sess:
  sess.run(init_op)
  for var in tf.global_variables():
    print var.name
  import numpy as np
  ft_sample = np.ones((10, 100))
  con_value = sess.run([concat], feed_dict={fts_s: ft_sample})
  print con_value[0].shape

results:

ha/a:0
ha/haha/a:0
ha/haha/hahaha/a:0
(10, 200)

小總結：

1: 對于未知的shape, 最常用的就是batch-size 通常是 None 代替, 那么在代碼中需要用到實際數據的batch size的時候應該怎么做呢?

可以傳一個tensor類型, tf.shape(Name) 返回一個tensor 類型的數據, 然后取batchsize 所在的維度即可. 這樣就能根據具體的數據去獲取batch size的大小

2: 對于變量命名, 要善于用 variable_scope 來規(guī)范化命名, 以及 reuse 參數可以控制共享變量

補充知識：tensorflow RNN 使用動態(tài)的batch_size

在使用tensorflow實現RNN模型時，需要初始化隱藏狀態(tài) 如下：

lstm_cell_1 = [tf.nn.rnn_cell.DropoutWrapper(tf.nn.rnn_cell.BasicLSTMCell(HIDDEN_SIZE),output_keep_prob=dropout_keep_prob) for _ in range(NUM_LAYERS)]
cell_1 = tf.nn.rnn_cell.MultiRNNCell(lstm_cell_1)
self.init_state_1 = cell_1.zero_state(self.batch_size,tf.float32)

如果我們直接使用超參數batch_size初始化在使用模型預測的結果時會很麻煩。我們可以使用動態(tài)的batch_size，就是將batch_size作為一個placeholder，在運行時，將batch_size作為輸入輸入就可以實現根據數據量的大小使用不同的batch_size。

代碼實現如下：