【tensorflow】tf.shape()和x.get_shape()的用法-优快云博客

本文详细解析了TensorFlow中tf.shape()与x.get_shape()两种获取张量形状的方法。tf.shape()适用于各种类型输入，返回张量需经sess.run()获取具体值；x.get_shape()仅适用于Tensor，直接返回静态形状信息，包括元组、索引值和列表形式。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、tf.shape()

获取的是张量的大小，直接上代码，一看便知：

#tf.shape()获取的是张量的大小
import tensorflow as tf
import numpy as np

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

运行结果：

二、x.get_shape()

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

上代码：

#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],[4,5,6]]
c_tensor=tf.constant([[1,2,3],[4,5,6]])
print(c_tensor.get_shape())  #返回的是一个元组
print(c_tensor.get_shape()[-1].value) #返回的是索引值
print(c_tensor.get_shape().as_list()) #返回的是列表
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)))

运行结果：