python-tf.shape()在数十个错误的形状
我定义这样的张量:
x = tf.get_variable("x", [100])
但是当我尝试打印张量的形状时:
print( tf.shape(x) )
我得到Tensor(“ Shape:0”,shape =(1,),dtype = int32),为什么输出结果不应为shape =(100)
5个解决方案
118 votes
tf.shape(input,name = None)返回表示输入形状的一维整数张量。
您正在寻找:x.get_shape(),该函数返回x变量的TensorShape。
更新:由于这个答案,我写了一篇文章来澄清Tensorflow中的动态/静态形状:[https://pgaleone.eu/tensorflow/2018/07/28/understanding-tensorflow-tensors-shape-static-dynamic/]
nessuno answered 2019-11-18T18:36:09Z
11 votes
澄清:
tf.shape(x)创建一个op并返回一个对象,该对象代表所构造的op的输出,这是您当前正在打印的内容。 要获取形状,请在会话中运行操作:
matA = tf.constant([[7, 8], [9, 10]])
shapeOp = tf.shape(matA)
print(shapeOp) #Tensor("Shape:0", shape=(2,), dtype=int32)
with tf.Session() as sess:
print(sess.run(shapeOp)) #[2 2]
信用:看了上面的答案后,我在Tensorflow中看到了tf.rank函数的答案,我发现它的帮助更大,我尝试在此处改写。
Lazar Valkov answered 2019-11-18T18:36:42Z
6 votes
简要说明一下:
a = tf.Variable(tf.zeros(shape=(2, 3, 4)))
print('-'*60)
print("v1", tf.shape(a))
print('-'*60)
print("v2", a.get_shape())
print('-'*60)
with tf.Session() as sess:
print("v3", sess.run(tf.shape(a)))
print('-'*60)
print("v4",a.shape)
输出将是:
------------------------------------------------------------
v1 Tensor("Shape:0", shape=(3,), dtype=int32)
------------------------------------------------------------
v2 (2, 3, 4)
------------------------------------------------------------
v3 [2 3 4]
------------------------------------------------------------
v4 (2, 3, 4)
这也应该有所帮助:如何在TensorFlow中了解静态形状和动态形状?
mrgloom answered 2019-11-18T18:37:14Z
3 votes
TF常见问题很好地解释了类似的问题:
在TensorFlow中,张量既具有静态(推断)形状,又具有 动态(真实)形状。 静态形状可以使用 x.get_shape().as_list()方法:从操作中推断出此形状 用于创建张量的元素,并且可能是部分完成的。 如果 静态形状未完全定义,张量t的动态形状 可以通过评估tf.shape(t)来确定。
因此x.get_shape().as_list()会返回一个张量,其大小始终为x.get_shape().as_list(),并且可以在会话中进行计算:
a = tf.Variable(tf.zeros(shape=(2, 3, 4)))
with tf.Session() as sess:
print sess.run(tf.shape(a))
另一方面,您可以使用x.get_shape().as_list()提取静态形状,并且可以在任何位置进行计算。
Salvador Dali answered 2019-11-18T18:37:59Z
2 votes
只需使用eval获得静态形状:
In [102]: a = tf.placeholder(tf.float32, [None, 128])
# returns [None, 128]
In [103]: a.shape.as_list()
Out[103]: [None, 128]
而要获得动态形状,请使用eval:
dynamic_shape = tf.shape(a)
您还可以像在NumPy中使用eval获得形状一样,如以下示例所示。
In [11]: tensr = tf.constant([[1, 2, 3, 4, 5], [2, 3, 4, 5, 6]])
In [12]: tensr.shape
Out[12]: TensorShape([Dimension(2), Dimension(5)])
In [13]: list(tensr.shape)
Out[13]: [Dimension(2), Dimension(5)]
In [16]: print(tensr.shape)
(2, 5)
同样,此示例适用于张量为evalu的张量。
In [33]: tf.shape(tensr).eval().tolist()
Out[33]: [2, 5]
kmario23 answered 2019-11-18T18:38:43Z