tensorflow的shape问题

转https://blog.csdn.net/shuzfan/article/details/79051042

获取变量维度是一个使用频繁的操作，在tensorflow中获取变量维度主要用到的操作有以下三种：

Tensor.shape
Tensor.get_shape()
tf.shape(input,name=None,out_type=tf.int32)
对上面三种操作做一下简单分析：（这三种操作先记作A、B、C）

A 和 B 基本一样，只不过前者是Tensor的属性变量，后者是Tensor的函数。
A 和 B 均返回TensorShape类型，而 C 返回一个1D的out_type类型的Tensor。
A 和 B 可以在任意位置使用，而 C 必须在Session中使用。
A 和 B 获取的是静态shape，可以返回不完整的shape； C 获取的是动态的shape，必须是完整的shape。
另外，补充从TenaorShape变量中获取具体维度数值的方法

# 直接获取TensorShape变量的第i个维度值
x.shape[i].value
x.get_shape()[i].value

# 将TensorShape变量转化为list类型，然后直接按照索引取值
x.get_shape().as_list()

下面给出全部的示例程序：需要注意x2.shape的类型可用type查看，发现是<class 'tensorflow.python.framework.tensor_shape.Dimension'>，使用的话可以强制转换类型int()

import tensorflow as tf

x1 = tf.constant([[1,2,3],[4,5,6]])
# 占位符创建变量，第一个维度初始化为None，表示暂不指定维度
x2 = tf.placeholder(tf.float32,[None, 2,3])
print('x1.shape:',x1.shape)
print('x2.shape:',x2.shape)
print('x2.shape[1].value:',x2.shape[1].value)
print('tf.shape(x1):',tf.shape(x1))
print('tf.shape(x2):',tf.shape(x2))
print('x1.get_shape():',x1.get_shape())
print('x2.get_shape():',x2.get_shape())
print('x2.get_shape.as_list[1]:',x2.get_shape().as_list()[1])
shapeOP1 = tf.shape(x1)
shapeOP2 = tf.shape(x2)
with tf.Session() as sess:
    print('Within session, tf.shape(x1):',sess.run(shapeOP1))
    # 由于x2未进行完整的变量填充，其维度不完整，因此执行下面的命令将会报错
    # print('Within session, tf.shape(x2):',sess.run(shapeOP2)) # 此命令将会报错

 

x1.shape: (2, 3)
x2.shape: (?, 2, 3)
x2.shape[1].value: 2
tf.shape(x1): Tensor("Shape:0", shape=(2,), dtype=int32)
tf.shape(x2): Tensor("Shape_1:0", shape=(3,), dtype=int32)
x1.get_shape(): (2, 3)
x2.get_shape(): (?, 2, 3)
x2.get_shape.as_list[1]: 2
Within session, tf.shape(x1): [2 3]

---------------------