tf.shape()和x.get_shape()的区别

转载自：https://blog.csdn.net/m0_37393514/article/details/82226754

(1) tf.shape()

先说tf.shape()很显然这个是获取张量的大小的，用法无需多说，直接上例子吧！

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)))

结果：

（2）x.get_shape().as_list()

这个简单说明一下，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)))

结果：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'

可见，只有tensor才有这样的特权呀！

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()

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:

    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

结果：

如果你把注释掉的那个话再放出来，报错如下：很显然啊，不是tensor或者是operation。