tensorflow 中的获取动态获取 BatchSzie 的大小

import tensorflow as tf
import sys

with tf.variable_scope('ha'):
    a1 = tf.get_variable('a', shape=[], dtype=tf.int32)
    with tf.variable_scope('haha'):
        a2 = tf.get_variable('a', shape=[], dtype=tf.int32)
        with tf.variable_scope('hahaha'):
            a3 = tf.get_variable('a', shape=[], dtype=tf.int32)

with tf.variable_scope('ha', reuse=True):
    # 不会创建新的变量
    a4 = tf.get_variable('a', shape=[], dtype=tf.int32)
    
sum = a1 + a2 + a3 + a4

fts_s = tf.placeholder(tf.float32, shape=(None, 100), name='fts_s')
b = tf.zeros(shape=(tf.shape(fts_s)[0], tf.shape(fts_s)[1]))

concat = tf.concat(axis=1, values=[fts_s, b])

init_op = tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init_op)
    for var in tf.global_variables():
        print var.name
    import numpy as np
    ft_sample = np.ones((10, 100))
    con_value = sess.run([concat], feed_dict={fts_s: ft_sample})
    print con_value[0].shape

results:

ha/a:0
ha/haha/a:0
ha/haha/hahaha/a:0
(10, 200)

小总结:
1: 对于未知的shape, 最常用的就是batch-size 通常是 None 代替, 那么在代码中需要用到实际数据的batch size的时候应该怎么做呢?
可以传一个tensor类型, tf.shape(Name) 返回一个tensor 类型的数据, 然后取batchsize 所在的维度即可. 这样就能根据具体的数据去获取batch size的大小

2: 对于变量命名, 要善于用 variable_scope 来规范化命名, 以及 reuse 参数可以控制共享变量