tf.shape() 和x.get_shape().as_list() 和tf.split()

1、tf.shape(A) # 获取张量A（数组，list, tensor张量）的大小，返回的是一个list。

import tensorflow as tf
import numpy as np

a_array=np.array([[1,2,3],[4,5,6]])
b_list=[[1,2,3],[3,4,5]]
c_tensor=tf.constant([[1,2,3],[4,5,6]])

with tf.Session() as sess:
    print(sess.run(tf.shape(a_array)))
    print(sess.run(tf.shape(b_list)))
    print(sess.run(tf.shape(c_tensor)))

返回[2, 3]，[2, 3]，[2, 3]。

2、x.get_shape().as_list()

x.get_shape()，只有tensor才可以使用这种方法，返回的是一个元组

import tensorflow as tf
import numpy as np

a_array=np.array([[1,2,3],[4,5,6]])
b_list=[[1,2,3],[3,4,5]]
c_tensor=tf.constant([[1,2,3],[4,5,6]])

print(c_tensor.get_shape())
print(c_tensor.get_shape().as_list())

with tf.Session() as sess:
    print(sess.run(tf.shape(a_array)))
    print(sess.run(tf.shape(b_list)))
    print(sess.run(tf.shape(c_tensor)))

返回：（2, 3）,[2, 3],  [2, 3], [2, 3],  [2, 3]

只能用于tensor来返回shape，但是是一个元组，需要通过as_list()的操作转换成list.

3、tf.split()

tf.split(dimension, num_split, input)：dimension的意思就是输入张量的哪一个维度，如果是0就表示对第0维度进行切割。num_split就是切割的数量，如果是2就表示输入张量被切成2份，每一份是一个列表。

import tensorflow as tf
import numpy as np

A = [[1,2,3],[4,5,6]]
x = tf.split(1, 3, A)

with tf.Session() as sess:
	c = sess.run(x)
	for ele in c:
		print ele

输出： 

[[1],
  [4]]
 [[2],
  [5]]
 [[3],
  [6]]