TensorFlow中如何生成与占位符同形状的全零张量？

你的问题核心在于静态形状（TensorShape）和动态形状（张量型shape）的区别：当some_place_holder的形状包含未知维度（比如?）时，.shape返回的是静态的TensorShape对象，无法直接转换成张量供tf.zeros或tf.fill使用。这里有两种更简洁高效的解决方案，比你提到的矩阵乘法方法友好得多：

方法1：使用tf.zeros_like()（最推荐） #

这是TensorFlow专门提供的API，用于创建和输入张量形状完全一致、数据类型也默认一致的零张量，不管输入的形状是静态已知还是动态未知的。代码示例：

import tensorflow as tf

some_place_holder = tf.placeholder(tf.float32, shape=(None, 1000, 10))
mask = tf.placeholder(tf.bool, shape=(None, 1000, 10))

# 直接生成与some_place_holder同shape同dtype的零张量
zeros = tf.zeros_like(some_place_holder)
selected_data = tf.where(mask, some_place_holder, zeros)

如果需要指定不同的数据类型，也可以通过dtype参数修改：

# 生成int32类型的零张量，即使原张量是float32
zeros = tf.zeros_like(some_place_holder, dtype=tf.int32)

方法2：使用tf.shape() + tf.fill() #

如果需要更灵活地控制填充值（比如填充非零值），可以先用tf.shape()获取输入张量的动态形状（运行时实际的形状，是一个张量而非静态Shape对象），再传入tf.fill()：

# 获取动态形状
dynamic_shape = tf.shape(some_place_holder)
# 生成对应形状的零张量
zeros = tf.fill(dynamic_shape, tf.constant(0.0, dtype=tf.float32))
selected_data = tf.where(mask, some_place_holder, zeros)

为什么原来的方法会报错？ #

some_place_holder.shape返回的是TensorShape([?, 1000, 10])，这是一个静态的形状描述，包含未知维度（?），无法直接转换成张量。而tf.shape(some_place_holder)会在图运行时返回实际的形状张量（比如[batch_size, 1000, 10]，其中batch_size是运行时的实际值），因此可以被tf.fill正常使用。

对比你提到的矩阵乘法方法，这两种方案不仅代码更简洁易读，而且避免了不必要的矩阵运算，性能也更优。

内容的提问来源于stack exchange，提问作者Toby Mao