Question

我是Tensorflow编程的新手，我正在挖掘一些函数，并在代码段中出现此错误：

**with** **tf.Session()** as sess_1:
c = tf.constant(5)
d = tf.constant(6)
e = c + d
print(sess_1.run(e))
print(sess_1.run(e.shape()))

发现错误：跟踪（最近一次通话过去）：文件“ C：/Users/Ashu/PycharmProjects/untitled/Bored.py”，第15行打印（sess_1.run（e.shape（））） TypeError：“ TensorShape”对象不可调用

我在这里没有找到它，所以任何人都可以澄清这个愚蠢的疑问，因为我是新学习者。对于任何键入错误，我们深表歉意！

我还有一个疑问，当我只使用eval（）函数时，它不会在pycharm中打印任何内容，我不得不将它与print（）方法一起使用。所以我的疑问是，当使用print（）方法时，它不会打印张量的dtype，而只是在pycharm中打印张量或python对象值。（为什么我没有得到像array：[[ 1.，1.，]，dtype = float32））是以Pycharm方式在新版本中打印张量的，还是我做错了什么？很高兴知道这件事的背后，如果我在任何地方错了，请帮助并原谅。

Answer 1

对于初学者来说，张量流的一个令人困惑的方面是有两种类型的形状：由tf.shape(x)给出的动态形状和由{给出的静态形状 {1}}（假设x.shape是张量）。它们代表相同的概念，但用法却大不相同。

静态形状是运行时已知的张量的形状。它本身就是一种数据类型，但是可以使用x将其转换为列表。

as_list()

在操作过程中，张量流尽可能地跟踪静态形状。在上面的示例中，根据x = tf.placeholder(shape=(None, 3, 4)) static_shape = x.shape shape_list = x.shape.as_list() print(shape_list) # [None, 3, 4] y = tf.reduce_sum(x, axis=1) print(y.shape.as_list()) # [None, 4]的部分已知形状计算y的形状。请注意，我们甚至还没有创建会话，但是静态形状仍然是已知的。

由于不知道批次大小，因此无法在计算中使用静态第一项。

（我们可以除以z = tf.reduce_sum(x) / tf.cast(x.shape.as_list()[0], tf.float32) # ERROR，因为该维在运行时是已知的-但这在这里无法显示任何内容）

如果我们需要使用静态未知的值（即，在图形构造时），则可以使用x.shape.as_list()[1]的动态形状。动态形状是张量-就像张量流中的其他张量一样-使用会话进行评估。

您不能在动态形状上调用z = tf.reduce_sum(x) / tf.cast(tf.shape(x)[0], tf.float32) # all good!，也不能在不进行会话评估的情况下检查其值。

Answer 2

如documentation中所述，您只能使用张量，操作或张量/操作列表来调用会话的run方法。您的最后一行代码调用run，结果为e.shape()，其类型为TensorShape。会话无法执行TensorShape参数，因此您会收到错误消息。

使用张量调用print时，系统将打印张量的内容。如果要打印张量的类型，请使用类似print(type(tensor))的代码。

TypeError：“ TensorShape”对象不可调用

2 个答案: