Question

我试图理解tf代码，为此，我正在打印张量的形状。对于以下代码

print(x.shape)
print(tf.shape(x))

我得到输出

(?, 32, 32, 3)
Tensor("input/Shape:0", shape=(4,), dtype=int32)

这没有多大意义。根据我在网上发现的内容，可以使用tf.shape（x）动态获取批处理的大小。但这会产生非常错误的输出-4.我不确定(4,)的来源以及如何为张量获取正确的值。

Answer 1

实际上，两个结果是相同的。 4的形状为(?,32,32,3)。

x.shape()返回一个元组，您可以不用sess.run()来获得形状。您可以使用as_list()将其转换为列表。

tf.shape(x)返回一个张量，并且您需要运行sess.run()以获取实际的数字。

一个例子：

import tensorflow as tf
import numpy as np

x = tf.placeholder(shape=(None,32,32,3),dtype=tf.float32)
print(x.shape)
print(tf.shape(x))

dim = tf.shape(x)
dim0 = tf.shape(x)[0]

with tf.Session()as sess:
    dim,dim0 = sess.run([dim,dim0],feed_dict={x:np.random.uniform(size=(100,32,32,3))})
    print(dim)
    print(dim0)

#print
(?, 32, 32, 3)
Tensor("Shape:0", shape=(4,), dtype=int32)
[100  32  32   3]
100

x.shape和tf.shape（x）之间大小可变不匹配？

1 个答案: