Tensorflow -tf.shape(a)和a.get_shape()

1、tf.shape(a)和a.get_shape()比较

   相同点：都可以得到tensor a的尺寸

   不同点：tf.shape()中a 数据的类型可以是tensor, list, array

               a.get_shape()中a的数据类型只能是tensor,且返回的是一个元组（tuple）

2、例子

import tensorflow as tf  
import numpy as np  
 
x=tf.constant([[1,2,3],[4,5,6]]  
y=[[1,2,3],[4,5,6]]  
z=np.arange(24).reshape([2,3,4]))  
 
sess=tf.Session()  
# tf.shape()  
x_shape=tf.shape(x)                    #  x_shape 是一个tensor  
y_shape=tf.shape(y)                    #  <tf.Tensor 'Shape_2:0' shape=(2,) dtype=int32>  
z_shape=tf.shape(z)                    #  <tf.Tensor 'Shape_5:0' shape=(3,) dtype=int32>  
print sess.run(x_shape)              # 结果:[2 3]  
print sess.run(y_shape)              # 结果:[2 3]  
print sess.run(z_shape)              # 结果:[2 3 4]  
 
 
#a.get_shape()  
x_shape=x.get_shape()  # 返回的是TensorShape([Dimension(2), Dimension(3)]),不能使用 sess.run() 因为返回的不是tensor 或string,而是元组  
x_shape=x.get_shape().as_list()  # 可以使用 as_list()得到具体的尺寸，x_shape=[2 3]  
y_shape=y.get_shape()  # AttributeError: 'list' object has no attribute 'get_shape'  
z_shape=z.get_shape()  # AttributeError: 'numpy.ndarray' object has no attribute 'get_shape'

实例2：

import tensorflow as tf
import numpy as np

a = tf.Variable([[1,2,3]])

b = tf.reduce_sum(a,reduction_indices=[0])#值为[1,2,3]
s = tf.shape(b)[0]
init = tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)

    print(sess.run(a))#输出[[1 2 3]]
    print(type(sess.run(a))) #输出<class numpy.ndarray>
    print(sess.run(b))#输出[1 2 3]
    print(sess.run(s))#输出[3]
    print(s) #输出Tnesor("strided_slice:0")
    print(b.get_shape())#输出(3,)

m = np.array([1,2,3])
print(m)  #输出[1 2 3]
print(m.shape) #输出(3,)