【tensorflow】tf.shape() 和 x.get_shape().as_list()

1、tf.shape()获取张量的大小，比较直接

import tensorflow as tf
import numpy as np

a_array = np.array([[1, 2, 3], [4, 6, 5]])
b_list = [[11, 22, 33], [44, 55, 66]]
c_tensor = tf.constant([[111, 222, 333], [444, 555, 666]], name = 'c_tensor')

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)))



输出：
[2 3]
[2 3]
[2 3]

2、get_shape().as_list()

x.get_shape()只有tensor才可以使用这种方法，返回的是TensorShape对象，再调用as_list()才能转换成列表

import tensorflow as tf
import numpy as np

a_array = np.array([[1, 2, 3], [4, 6, 5]])
b_list = [[11, 22, 33], [44, 55, 66]]
c_tensor = tf.constant([[111, 222, 333], [444, 555, 666]], name = 'c_tensor')

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



输出：
(2, 3)
[2, 3]

只能用tensor来返回shape，但是是TensorShape对象，需要通过as_list()的操作转换成list

 

需要注意的是：

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，必须通过sess.run()运行