tensor.get_shape()用法解析

今天介绍tensor.get_shape()的用法

tensor.get_shape()
返回张量的维度，用一个元组来表示。
例如：

x=tf.constant([[[1,1,1],[2,2,2],[3,3,3],[4,4,4]],
			  [[1,1,1],[2,2,2],[3,3,3],[4,4,4]],
			  [[1,1,1],[2,2,2],[3,3,3],[4,4,4]]])
#容易看出，这是一个三维的张量（tensor）
x.get_shape()
x.get_shape()[1:]
x.get_shape()[1:].num_elements()

以上三个用法分别是什么意思呢？
第一个返回：(3,4,3)
用张量来说的话就是三个四行三列的张量，分别依次对应3，4，3
第二个返回（4,3)
就是切片操作，从第一个元素开始往后全部取来。
注意切片[a:b] 中，包含a而不包含b的元素。
第三个返回12
即：（4，3）中的元素个数，也就是12。

有什么用呢？再卷积神经网络中，用此种方法可以在卷积层拉伸为全连接层时，免于人工计算应该拉成多长。

features=last_conv_layer.get_shape()[1:].num_elements()
#第一个维度是数据的个数（batch_size组）
result =last_conv_layer.reshape([-1,features])
#拉伸成全连接层,-1是不知道有多少组数据的意思。