Tf.reshape(张量，[-1])与tf.reshape(张量，-1)

Question

这两者有什么区别呢？

1- tf.reshape(张量，-1)

2- tf.reshape(张量，-1)

我找不到这两者之间的任何区别，但是当我使用-1而没有括号时，当试图将函数映射到TensorSliceDataset时会发生错误。下面是代码的简化版本：

def reshapeME(tensor):
    reshaped = tf.reshape(tensor,-1)

    return reshaped

new_y_test = y_test.map(reshapeME)

这是一个错误：

 ValueError: Shape must be rank 1 but is rank 0 for '{{node Reshape}} = Reshape[T=DT_FLOAT, Tshape=DT_INT32](one_hot, Reshape/shape)' with input shapes: [6], [].

如果添加括号，则没有错误。此外，当函数通过调用和喂入张量来使用时也没有错误。

Answer 1

tf.reshape期望张量或类似张量的变量作为图模式中的形状。

张量。必须是下列类型之一: int32、int64。定义输出张量的形状。

因此，在这种情况下，简单的标量是行不通的。映射函数的tf.data.Dataset总是在图形模式下执行：

请注意，无论定义map_func的上下文(急切还是图形)，tf.data都会跟踪该函数并以图的形式执行它。