Dans tensorflow, nous spécifions un espace réservé comme, par exemple:
X = tf.placeholder(tf.float32, (None, 64, 64, 3))
pour indiquer un nombre inconnu de lots d'images 64x64x3.
Parfois, nous ne connaissons pas les dimensions de l'espace réservé, et nous pouvons simplement dire:
X = tf.placeholder(tf.float32)
Quels sont les avantages et les inconvénients de spécifier des formes chaque fois que nous le pouvons?
Par exemple, y a-t-il des gains de performances, est-ce uniquement pour la programmation défensive (lancer des erreurs lorsque les tableaux alimentés ont de mauvaises dims), etc ...
Je pense que cela a déjà été répondu dans cette question: y a-t-il des inconvénients à créer des espaces réservés TensorFlow pour les entrées de taille variable par rapport aux entrées de taille fixe? .
Mais en résumé: pour des raisons d'efficacité et de débogage, vous souhaiterez probablement spécifier les formes chaque fois que vous le pouvez. L'inconvénient est que votre code ne sera probablement pas aussi réutilisable.
Cet article est collecté sur Internet, veuillez indiquer la source lors de la réimpression.
En cas d'infraction, veuillez [email protected] Supprimer.
laisse moi dire quelques mots