tf.shape和tf.get_shape().as_list()

转载于 2019-04-03 18:23:47 发布 · 748 阅读

2 篇文章

订阅专栏

本文介绍如何使用TensorFlow的tf.shape()函数和Tensor对象的get_shape()方法来获取不同类型的输入数据（如NumPy数组、Python列表及TensorFlow常量）的维度大小。通过示例演示了两种方法的区别和使用场景。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

tf.shape()获取张量

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)))

[2 3]

x.get_shape().as_list()返回一个元组

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)))

(2,3)

[2,3]

[2 3]

int_fs = f.get_shape().as_list()返回的是tensor列表