【tensorflow】tf.shape() 和 tf.get_shape() 及 tf.concat()

1、用法：tf.shape( input, out_type, name=None )

• input：可以是tensor，list，arrray。
• out_type：可选，tf.int32 和 tf.int64；默认 tf.int32。
• name：操作的名称（可选）

返回：类型为 out_type 的 input维度，是一个 tensor。其实就是获取输入的维度

import tensorflow as tf

t1 = [[[1,2], [3,4]],
      [[5,6], [7,8]]]
       
t1_shape1 = tf.shape(t1)
print(t1_shape1)
#返回：Tensor("Shape_8:0", shape=(3,), dtype=int32)

t1_shape = t1_shape1.get_shape()
print(t1_shape)
#返回：(3,)

t1_shape = t1_shape1.get_shape().as_list()
print(t1_shape)
#返回：[3]

2、用法：tf.get_shape(x)

返回：x 维度的元组，输入 x 只能是tensor

通常为了对元组处理，必须将元组转换成 list。在神经网络中使用它，我猜是保险起见~防止经过一系列处理之后输入类型改变，使用该函数，输入只能是tensor。

3、tf.concat([x1, x2], axis=0/1/2/3....)

将 x1 和 x2 的维度拼接，如何拼接取决于 axis，axis=0 表示在 x1 和 x2的第一维度拼接，1 表示在第二维度拼接，我遇到的是在第4维度拼接，应该只是取决于你输入的维度大小，如果维度是2，想要在3，4维度拼接肯定是报错的。

 

 

 

 

 

 

 

 

 

 

参考：https://www.w3cschool.cn/tensorflow_python/tensorflow_python-smjo2k45.html

https://blog.csdn.net/fireflychh/article/details/73611021