Question

我定义了这样的张量：

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（“形状：0”，形状=（1，），dtype = int32），为什么输出结果不应该是shape =（100）

Answer 1

tf.shape(input, name=None)返回表示输入形状的1-D整数张量。

您正在寻找：x.get_shape()，它会返回TensorShape变量的x。

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/

Answer 2

澄清：

tf.shape（x）创建一个op并返回一个对象，该对象代表构造的op的输出，这是您当前正在打印的内容。要获得形状，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，我看到了tf.rank function in Tensorflow的答案，我发现这个答案更有帮助，我在这里试过改写它。

Answer 3

只是一个简单的例子，说清楚：

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)

这也应该有用： How to understand static shape and dynamic shape in TensorFlow?

Answer 4

只需使用__add__获取静态形状：

tensor.shape

要获得动态形状，请使用In [102]: a = tf.placeholder(tf.float32, [None, 128]) # returns [None, 128] In [103]: a.shape.as_list() Out[103]: [None, 128]：

tf.shape()

您也可以使用dynamic_shape = tf.shape(a)获取NumPy中的形状，如下例所示。

your_tensor.shape

此外，这个例子，对于可以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)的张量。

eval

Answer 5

Tensorflow 2.0兼容答案： Tensorflow 2.x (>= 2.0) nessuno解决方案的兼容答案如下所示：

x = tf.compat.v1.get_variable("x", [100])

print(x.get_shape())

tf.shape（）在张量流中得到错误的形状

5 个答案: