TensorFlow中"?"的含义及指定形状Tensor的创建方法

嘿，作为TensorFlow新手，这俩问题其实挺典型的，我来给你一步步讲明白～

在TensorFlow的张量信息里，?代表动态维度（Dynamic Dimension），简单说就是这个维度的大小在构建计算图的时候还没确定，要等到实际运行（喂入数据）的时候才会根据输入的具体数据来填充。

最常见的场景就是**批量大小（batch size）**的设置——训练模型时我们经常会调整batch size（比如用32、64甚至128），把这个维度设为动态的，就能让张量兼容不同的批量数据，不用每次改图都重新定义张量形状。比如你看到的shape=(?, 299, 299, 3)，第一个?就表示这个位置的维度大小是可变的，运行时传入多少条样本，它就变成多少。

根据TensorFlow的版本（现在主流是2.x），有几种常用的方法，我给你列出来：

方法1：用tf.keras.Input（TensorFlow 2.x推荐写法） #

这是构建模型输入层最常用的方式，直接把动态维度设为None，打印出来就会显示为?：

import tensorflow as tf

# 创建动态批量的输入张量，可自定义名称
input_tensor = tf.keras.Input(shape=(299, 299, 3), dtype=tf.float32, name="batch")
print(input_tensor)

运行后输出大概是：Tensor("batch:0", shape=(None, 299, 299, 3), dtype=float32)，这里的None在TensorFlow的图表示里就等价于你看到的?。

方法2：用tf.compat.v1.placeholder（兼容TensorFlow 1.x写法） #

如果你还在使用TF1.x的静态图模式，或者需要兼容旧代码，可以用占位符来创建：

import tensorflow as tf

# 启用兼容模式的占位符，指定名称为batch
placeholder_tensor = tf.compat.v1.placeholder(tf.float32, shape=(None, 299, 299, 3), name="batch")
print(placeholder_tensor)

输出就是你提到的格式：Tensor("batch:0", shape=(?, 299, 299, 3), dtype=float32)。

方法3：创建带动态维度的Variable（适合需要可训练的动态张量） #

如果这个张量需要是可训练的变量，也可以定义动态维度：

import tensorflow as tf

# 初始化时用0个样本，形状设为动态并指定名称
var_tensor = tf.Variable(
    tf.random.normal((0, 299, 299, 3)),
    shape=(None, 299, 299, 3),
    dtype=tf.float32,
    name="batch"
)
print(var_tensor)

输出会包含张量的图表示部分：shape=(?, 299, 299, 3)，完全符合你的需求。

总结一下：不管用哪种方法，只要把对应维度设为None，TensorFlow在图中就会用?来表示这个动态维度，运行时就能适配任意大小的批量数据啦～

内容的提问来源于stack exchange，提问作者Akhilesh_IN