Tensorflow中与张量形状有关的操作

改变张量的形状函数：

tf.reshape(
    tensor,  # 输入的张量
    shape,   # 想要改变的形状
    name=None # 操作的名称
)

这个操作不会改变tensor本身的形状，而是返回一个形状为shape，而值和tensor对应的张量。如果有一个张量a，想要把张量a变化形状，可以：a=tf.reshape(a,shape)。shape是一个list，如果list有元素是-1，表示该维由系统自动计算，比如：

import tensorflow as tf

a = tf.constant([[1, 2, 3, 4, 5], [1, 2, 3, 4, 5], [1, 2, 3, 4, 5]])
a1 = tf.reshape(a, [-1, 3])  # 形状是5,3
a2 = tf.reshape(a, [3, -1])  # 形状是3,5       #
print(a1)
print(a2)

获取张量的形状：

tf.shape(
    input, # 输入
    name=None, # 操作的名称
    out_type=tf.int32 # 控制返回值的类型
)

返回一个一维的整型张量、list或者array，表示input的形状。比如在feed数据的时候，我们想要获取一次输入数据的量，只能用tf.shape(x)[0]来获得。

张量本身的属性函数返回形状。

xxx.get_shape()

只有张量才有的操作，返回的是一个tuple类型，表示张量的维数。一个常用的属性是num_elements()，用来返回元素的个数，这个个数可以是维数，也可是元素真正的个数，看代码理解：

import tensorflow as tf

a = tf.constant([[1, 2, 3, 4, 5], [1, 2, 3, 4, 5]])
sess = tf.Session()
print(a.get_shape()[0:1].num_elements())  # 2
print(a.get_shape()[1:2].num_elements())  # 5
print(a.get_shape()[0:2].num_elements())  # 10
sess.close()

关于tensorflow中张量形状的文档
num_elements()是TennsorShape的一个属性，返回所有元素的个数。如果张量是不完整的，那么返回None。