python - tf.shape() 在张量流中得到错误的形状

Question

我定义了一个这样的张量：

x = tf.get_variable("x", [100])

但是当我尝试打印张量的形状时：

print( tf.shape(x) )

我得到Tensor("Shape:0", shape=(1,), dtype=int32)，为什么输出的结果不应该是 shape=(100)

Answer 1

tf.shape(input, name=None)返回一个表示输入形状的一维整数张量。

您正在寻找：x.get_shape()返回变量TensorShape的。x

更新：由于这个答案，我写了一篇文章来阐明 Tensorflow 中的动态/静态形状：https ://pgaleone.eu/tensorflow/2018/07/28/understanding-tensorflow-tensors-shape-static-dynamic/

Answer 2

澄清：

tf.shape(x) 创建一个操作并返回一个代表构造操作的输出的对象，这就是您当前正在打印的内容。要获取形状，请在会话中运行操作：

matA = tf.constant([[7, 8], [9, 10]])
shapeOp = tf.shape(matA) 
print(shapeOp) #Tensor("Shape:0", shape=(2,), dtype=int32)
with tf.Session() as sess:
   print(sess.run(shapeOp)) #[2 2]

学分：看了上面的答案后，我在 Tensorflow 中看到了 tf.rank 函数的答案，我发现它更有帮助，我在这里尝试改写它。

Answer 3

只是一个简单的例子，让事情变得清楚：

a = tf.Variable(tf.zeros(shape=(2, 3, 4)))
print('-'*60)
print("v1", tf.shape(a))
print('-'*60)
print("v2", a.get_shape())
print('-'*60)
with tf.Session() as sess:
    print("v3", sess.run(tf.shape(a)))
print('-'*60)
print("v4",a.shape)

输出将是：

------------------------------------------------------------
v1 Tensor("Shape:0", shape=(3,), dtype=int32)
------------------------------------------------------------
v2 (2, 3, 4)
------------------------------------------------------------
v3 [2 3 4]
------------------------------------------------------------
v4 (2, 3, 4)

这也应该有帮助： 如何理解 TensorFlow 中的静态形状和动态形状？

Answer 4

TF FAQ很好地解释了类似的问题：

在 TensorFlow 中，张量具有静态（推断）形状和动态（真实）形状。可以使用该 tf.Tensor.get_shape方法读取静态形状：此形状是从用于创建张量的操作中推断出来的，并且可能是部分完整的。如果静态形状没有完全定义，则可以通过评估来确定张量 t 的动态形状tf.shape(t)。

因此tf.shape()返回一个张量，其大小始终为shape=(N,)，并且可以在会话中计算：

a = tf.Variable(tf.zeros(shape=(2, 3, 4)))
with tf.Session() as sess:
    print sess.run(tf.shape(a))

另一方面，您可以使用提取静态形状x.get_shape().as_list()，这可以在任何地方计算。

Answer 5

简单地说，用于tensor.shape获取静态形状：

In [102]: a = tf.placeholder(tf.float32, [None, 128])

# returns [None, 128]
In [103]: a.shape.as_list()
Out[103]: [None, 128]

而要获得动态形状，请使用tf.shape()：

dynamic_shape = tf.shape(a)

---

您还可以像在 NumPy 中your_tensor.shape一样获取形状，如下例所示。

In [11]: tensr = tf.constant([[1, 2, 3, 4, 5], [2, 3, 4, 5, 6]])

In [12]: tensr.shape
Out[12]: TensorShape([Dimension(2), Dimension(5)])

In [13]: list(tensr.shape)
Out[13]: [Dimension(2), Dimension(5)]

In [16]: print(tensr.shape)
(2, 5)

---

同样，这个例子，对于可以使用的张量eval。

In [33]: tf.shape(tensr).eval().tolist()
Out[33]: [2, 5]

Answer 6

Tensorflow 2.0 兼容答案：Tensorflow 2.x (>= 2.0)nessuno 解决方案的兼容答案如下所示：

x = tf.compat.v1.get_variable("x", [100])

print(x.get_shape())