本文详细介绍了在 TensorFlow 中，tensor 的 static shape 和 dynamic shape 的概念及区别，包括 get_shape() 和 tf.shape() 的用法，以及 set_shape() 和 tf.reshape() 的功能差异，帮助理解形状操作。
在TensorFlow中，涉及到shape的问题比较容易混淆，为此，在这里做一下区分，简单的汇总一下。
首先要说明一点，tf中tensor有两种shape，分别为static (inferred) shape 和 dynamic (true) shape，其中 static shape 用于构建图，是由创建这个tensor的op推断(inferred)得来，故又称 inferred shape。如果这个tensor的static shape未定义，则可用 tf.shape() 来获得其 dynamic shape。
1. 区分 x.get_shape() 和 x = tf.shape(x)
x.get_shape()返回 static shape，只有tensor有这个方法，返回的是元组。
x.get_shape().as_list() 是一个常用的方法，经常被用于将输出转为标准的python list。
关于 static shape 的样例如下所示：
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
