Tf.nn.bias_add(值，偏差)的输出是否与值的形状不同？

Question

因此，在tensorflow中的卷积神经网络cifar10示例中，在cifar10.py的inference()方法中，我看到了以下几个例子：

bias = tf.reshape(tf.nn.bias_add(conv, biases),conv.get_shape().as_list())

看起来，重塑是为了确保bias_add(value, bias)的输出具有价值的形状。

我的问题是，tf.reshape()是必要的吗？是否存在tf.nn.bias_add(value, bias)不会返回与值形状相同的张量的情况？

Answer 1

结果的形状 of tf.nn.bias_add(value, bias)总是与值的形状相同，因此这些对tf.reshape()的调用是不必要的。

偶尔，对tf.reshape()的调用用于添加有关形状的显式信息，但根据FAQ推荐的方法使用Tensor.set_shape()方法添加形状信息，而不向图形添加冗余操作。