Come capire la forma statica e la forma dinamica in TensorFlow?

Question

In TensorFlow FAQ, si dice:

In tensorflow, un tensore ha sia una forma statica (dedotto) e una forma dinamico (true). La forma statica può essere letta usando il metodo tf.Tensor.get_shape(): questa forma viene dedotta dalle operazioni utilizzate per creare il tensore e può essere parzialmente completata con . Se la forma statica non è completamente definita, la forma dinamica di un tensore t può essere determinata valutando tf.shape (t).

Ma non riesco ancora a comprendere appieno la relazione tra forma statica e forma dinamica. Ci sono esempi che mostrano le loro differenze? Grazie.

Answer 1

A volte la forma di un tensore dipende da un valore calcolato in fase di esecuzione. Prendiamo il seguente esempio, dove x è definito come un tf.placeholder() vettoriale con quattro elementi:

x = tf.placeholder(tf.int32, shape=[4]) 
print x.get_shape() 
# ==> '(4,)' 

Il valore x.get_shape() è la forma statica di x, e la (4,) significa che è un vettore di lunghezza 4. ora applichiamo il tf.unique() op per x

y, _ = tf.unique(x) 
print y.get_shape() 
# ==> '(?,)' 

il (?,) significa che y è un vettore di lunghezza sconosciuta. Perché è sconosciuto? tf.unique(x) restituisce i valori univoci da x e i valori di x sono sconosciuti perché è un tf.placeholder(), quindi non ha un valore finché non lo si alimenta. Vediamo cosa succede se si alimentano due diversi valori:

sess = tf.Session() 
print sess.run(y, feed_dict={x: [0, 1, 2, 3]}).shape 
# ==> '(4,)' 
print sess.run(y, feed_dict={x: [0, 0, 0, 0]}).shape 
# ==> '(1,)' 

Speriamo che questo rende chiaro che un tensore può avere una forma statica e dinamica diversa. La forma dinamica è sempre completamente definita — non ha ? dimensioni — ma la forma statica può essere meno specifica. Questo è ciò che consente a TensorFlow di supportare operazioni come tf.unique() e tf.dynamic_partition(), che possono avere uscite di dimensioni variabili e vengono utilizzate in applicazioni avanzate.

Infine, il tf.shape() op può essere utilizzato per ottenere la forma dinamica di un tensore e utilizzarlo in un calcolo tensorflow:

z = tf.shape(y) 
print sess.run(z, feed_dict={x: [0, 1, 2, 3]}) 
# ==> [4] 
print sess.run(z, feed_dict={x: [0, 0, 0, 0]}) 
# ==> [1]