Question

我测试以下代码脚本

import tensorflow as tf

a, b, c = 2, 3, 4
x = tf.Variable(tf.random_normal([a, b, c], mean=0.0, stddev=1.0,    dtype=tf.float32))
s = tf.shape(x)
print(s)

init = tf.initialize_all_variables()
sess = tf.Session()
sess.run(init)
print(sess.run(s))

运行代码会得到以下结果

Tensor("Shape:0", shape=(3,), dtype=int32)
[2 3 4]

看起来只有第二个印刷品才能提供可读格式。第一个印刷品真正做了什么或如何理解第一个输出？

Answer 1

对s = tf.shape(x)的调用定义了一个符号（但非常简单）的TensorFlow计算，只有在您调用sess.run(s)时才会执行。

执行print(s)时，Python将打印TensorFlow对张量s所知的所有内容，而不会对其进行实际评估。由于它是tf.shape() op的输出，因此TensorFlow知道它具有类型tf.int32，并且TensorFlow也可以推断它是长度为3的向量（因为x是静态已知的是变量定义的三维张量。）

请注意，在许多情况下，您可以使用Variable.get_shape()方法（类似于其表兄Tensor.get_shape()）打印特定张量的静态形状，而无需调用张量来获取更多形状信息：

# Print the statically known shape of `x`.
print(x.get_shape())
# ==> "(2, 3, 4)"

关于打印张量的形状

1 个答案: