TensorFlow的tf.placeholder参数shape列表首位为None的原因是什么

这是TensorFlow 1.x版本tf.placeholder的标准灵活用法，具体原因如下：

• 该位置对应输入张量的**批次大小（batch size）**维度，设置为None代表该维度支持动态可变长度，不需要在定义网络结构阶段就固定死批次的大小。
• 适配不同场景的输入需求：训练阶段可以根据硬件资源设置32、64等不同的批次大小加快训练效率，验证或推理阶段可以灵活输入单条样本、整批测试样本等不同规模的数据，不需要修改占位符的定义就能兼容所有场景。
• 匹配持续学习项目的场景特性：不同任务的训练样本总量、适配的批次大小可能存在差异，动态批次的设置不用为每个任务单独调整输入层的形状定义，降低代码冗余。
• 如果将该维度固定为具体数值，后续传入的张量第一维大小和定义值不匹配时，TensorFlow会直接抛出形状不匹配的报错，灵活性极低。

你给出的代码中标签self.y的第一维也设置为None，就是为了和输入self.x的批次大小严格对应，保证每个输入样本都能匹配到对应的标签。

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