Question

让我们看一下这个简单的tf操作：

data = np.random.rand(1,2,3)
x = tf.placeholder(tf.float32, shape=[None, None, None], name='x_pl')
out = x
print ('shape:', tf.shape(out))
sess = tf.Session()
sess.run(out, feed_dict={x: data})

打印为：

shape: Tensor("Shape_13:0", shape=(3,), dtype=int32)

我读到您应该使用tf.shape（）获得张量的“动态”形状，这似乎是我所需要的，但是为什么形状是shape =（3，）？为什么不是（1,2,3）？因为应该确定何时运行会话？

假设这是神经网络的一部分，我需要知道x的最后一个维度，例如，将x传递到Dense层，为此需要知道x的最后一个维度。怎么办呢？

Answer 1

这是因为(?:(date)? ?\D ?)?\b([14]) ?([-:.]) ?[-+]?([0-9]+)( ?# ?([a-zA-Z0-9]*))? ^^^ ^ ^^^是op，因此您必须在会话中运行它。

tf.shape()

将返回

data = np.random.rand(1,2,3)
x = tf.placeholder(tf.float32, shape=[None, None, None], name='x_pl')
out = x
print ('shape:', tf.shape(out))
z = tf.shape(out)
sess = tf.Session()
out_, z_ =sess.run([out,z], feed_dict={x: data})
print(f"shape of out: {z_}")

即使您查看文档（https://www.tensorflow.org/api_docs/python/tf/shape）中的示例：

shape: Tensor("Shape:0", shape=(3,), dtype=int32) 
shape of out: [1 2 3]

如果只运行它，它将返回类似的内容

t = tf.constant([[[1, 1, 1], [2, 2, 2]], [[3, 3, 3], [4, 4, 4]]])
tf.shape(t)

但是，如果您在会话中运行它，则将获得预期的结果

<tf.Tensor 'Shape_4:0' shape=(3,) dtype=int32>

在tensorflow占位符上使用tf.shape（）

1 个答案: