Tensorflow:tf.shape()和x.get_shape().as_list()import tensorflow as tf import numpy as np a_array=np.a

tf.shape()是获取张量的大小

import tensorflow as tf 
import numpy as np 
a_array=np.array([[1,2,3],[4,5,6]])
b_list=[[1,2,3],[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)))

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)))

可见只能用于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.

不是元组进行操作的话，会报错！

如果你在上面的代码上添加上a_array.get_shape()会报如下的错误：

    print(a_array.get_shape())AttributeError: 'numpy.ndarray' object has no attribute 'get_shape'
 

下面强调一些注意点：

第一点：tensor.get_shape()返回的是元组，不能放到sess.run()里面，这个里面只能放operation和tensor；

第二点：tf.shape(）返回的是一个tensor。要想知道是多少，必须通过sess.run()

 

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:    
a_array_shape=tf.shape(a_array)    
print("a_array_shape:",a_array_shape)    
print("a_array_shape:",sess.run(a_array_shape))    c_tensor_shape=c_tensor.get_shape().as_list()    
print("c_tensor_shape:",c_tensor_shape)    
#print(sess.run(c_tensor_shape)) #报错

注释掉的那个报错如下：不是tensor或者是operation。