获取Tensor的维度（x.shape和x.get_shape()的区别）

最新推荐文章于 2025-05-29 20:52:52 发布

Paulzhao6518

最新推荐文章于 2025-05-29 20:52:52 发布

阅读量1.2w

点赞数 4

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/qq_41853758/article/details/81369518

本文探讨了在TensorFlow中获取Tensor维度的两种方法——`tf.shape(a)`和`a.get_shape()`。两者都能获取Tensor的尺寸，但`tf.shape(a)`允许输入的数据类型为tensor, list, array，而`a.get_shape()`则仅接受tensor输入，并返回一个元组形式的尺寸。" 131521132,16947570,PyTorch实现CNN图像模糊检测实战,"['深度学习', '图像处理', 'PyTorch框架', '卷积神经网络(CNN)', '图像模糊检测']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

tf.shape(a)和a.get_shape()比较
相同点：都可以得到tensor a的尺寸
不同点：tf.shape()中a 数据的类型可以是tensor, list, array
a.get_shape()中a的数据类型只能是tensor,且返回的是一个元组（tuple）

import tensorflow as tf  
import numpy as np  

x=tf.constant([[1,2,3],[4,5,6]])
y=[[1,2,3],[4,5,6]]  
z=np.arange(24).reshape([2,3,4])

sess=tf.Session()  
# tf.shape()  
x_shape=tf.shape(x)                    #  x_shape 是一个tensor  
y_shape=tf.shape(y)                    #  <tf.Tensor 'Shape_2:0' shape=(2,) dtype=int32>  
z_shape=tf.shape(z)                    #  <tf.Tensor 'Shape_5:0' shape=(3,) dtype=int32>  
print(sess.run(x_shape))              # 结果:[2 3]
print(sess.run(y_shape))              # 结果:[2 3]
print(sess.run(z_shape) )             # 结果:[2 3 4]

x_shape=x.get_shape()  
print(x_shape)       # 返回的是TensorShape([Dimension(2), Dimension(3)]),不能使用 sess.run() 因为返回的不是tensor 或string,而是元组                                                       (2, 3)
x_shape=x.get_shape().as_list()  
print(x

最低0.47元/天解锁文章

200万优质内容无限畅学