关于tensorflow 中 placeholder 与 reshape的一点坑

在搭LeNet-5 模型时，在卷积层的输出到全连接层时，使用了reshape将四维的矩阵转化维2维矩阵时，发生了错误：

起初以为时类型转换发生了错误，然后演算过后发现并没有错误。然后改了下 训练数据的输入格式

    # 定义输入输出placeholder， **修改前**
    x = tf.placeholder(tf.float32,
                       [None,
                        mnist_inference.IMAGE_SIZE,
                        mnist_inference.IMAGE_SIZE,
                        mnist_inference.NUM_CHANNELS],
                       name='x-input')

    # 定义输入输出placeholder。**修改后**
    x = tf.placeholder(tf.float32,
                       [BATCH_SIZE,
                        mnist_inference.IMAGE_SIZE,
                        mnist_inference.IMAGE_SIZE,
                        mnist_inference.NUM_CHANNELS],
                       name='x-input')

然后错误没有了，写了一个简单的验证程序，来验针下placeholder这里出现的问题。

import tensorflow as tf
import numpy as np

x = tf.placeholder(tf.float32, [None,2,2,2],name='x-input')
x_shape = x.get_shape().as_list()
len = x_shape[1] * x_shape[2] * x_shape[3]
x_reshaped = tf.reshape(x, [x_shape[0],len])

y = x_reshaped + 1
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    data = np.arange(2 * 2 * 2 * 2).reshape([2, 2, 2, 2]).astype('float32')
    out = sess.run(y, feed_dict={x:data})
    print(out)

然后发生了如下错误，通过黄色标注的字体可以发现时发生在了reshape是发生了错误，reshape（）函数无法识别None这里发生的转换，所以报错。

所以问题出现在reshape函数这块，reshap() 函数无法识别转化列表中的None是多少，这时可以使用python中的自动推导，也就是

# x_reshaped = tf.reshape(x, [x[0], len])
x_reshaped = tf.reshape(x, [-1,len])

这样完美解决问题，placeholder的shape参数可以为

x = tf.placeholder(tf.float32,
                       [None,
                        mnist_inference.IMAGE_SIZE,
                        mnist_inference.IMAGE_SIZE,
                        mnist_inference.NUM_CHANNELS],
                       name='x-input')

省时省力